龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南昌市小核桃科技有限公司
摘要：本发明提供了一种基于字典因子表示的高保真神经隐式SLAM算法，使用字典因子进行场景表示与直接将场景信息编码为特征的神经隐式SLAM算法相比，表现出卓越的场景细节重建能力和更高效的内存使用率，同时模型大小对场景地图的大小不敏感，更适合大规模场景，此外，采用特征积分渲染来加速颜色渲染速度，在保证颜色渲染质量不受影响的前提下大幅提升颜色渲染速度，这进一步增强了算法的实时性能，在虚拟和真实世界数据集上进行的大量实验表明，本算法在实时性能、定位精度和场景重建质量方面与现有的最先进的神经隐式SLAM算法相比具有竞争力。
主权项：1.一种基于字典因子表示的高保真神经隐式SLAM算法，其特征在于，包括以下步骤：步骤S1：获取有序的RGB-D图像数据，从Replica和ScanNet数据集中获取多视角图片帧序列、相机内参数据和场景边界框信息；步骤S2：创建跟踪进程和建图进程，初始化系统超参数，并对数据集进行预处理；步骤S3：根据输入的深度图对相机射线进行均匀采样和表面采样，其中表面采样是根据深度图的深度数据对场景的物体表面进行采样；步骤S4：使用不同的基函数和系数因子分别表示采样点几何和外观信息，将采样点的几何特征输入到几何解码器中查询其TSDF值；步骤S5：将所查询到的TSDF值转化为渲染系数，并渲染出像素的深度值；步骤S6：将外观特征进行特征积分，得到整条相机光线的颜色特征，再输入到颜色解码器中查询其最终的像素渲染颜色；步骤S7：通过比对渲染的RGB-D图像和真实图像的差距，计算颜色损失、深度损失、自由空间损失和SDF损失；步骤S8：跟踪进程从建图进程中拷贝因子网格和解码器副本，初始化当前帧的相机位姿，迭代更新相机位姿并固定网络参数；步骤S9：建图进程根据关键帧选择策略，选择与当前帧共视的历史关键帧并连同当前帧参与联合优化。
全文数据：
权利要求：
百度查询： 南昌市小核桃科技有限公司 一种基于字典因子表示的高保真神经隐式SLAM算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号