CN119399507A 面向室内泊车环境下语义vi-slam的数据关联方法 （东华大学）

号面向室内泊车环境下语义VI-SLAM的数据关本发明涉及面向室内泊车环境下语义VI_获取的环视语义标志之间的几何误差和语义误优化得到最优的关联矩阵，实现语义VI_SLAM的21.一种面向室内泊车环境下语义VI_SLAM的数据关联方法，其特征在于，包括如下步提取所述环视语义对象的几何信息和语义信息，分别计算所述环视语义对2.根据权利要求1所述的一种面向室内泊车环境下获取室内泊车场景中的多源图像，基于预先构建的变换矩阵3.根据权利要求2所述的一种面向室内泊车环境4.根据权利要求2所述的一种面向室内泊车环境下语义VI_对多源图像的相机内参进行标定，识别相邻相机在棋盘格上共享视5.根据权利要求1所述的一种面向室内泊车环境先获取的环视语义标志之间的几何误差和语义误差的过程包基于所述几何分布信息构建高斯分布模型，得到环视语义对象6.根据权利要求5所述的一种面向室内泊车环境下语义,j个环视语义标志与第i个环视语义对象的几何误T和:,表示均值为，方差为的高斯分37.根据权利要求5所述的一种面向室内泊车环境,差，f()和分别是环视语义对象的语义特征和时间t所对应的协方差矩阵。8.根据权利要求1所述的一种面向室内泊车环境下语语义对象的数量、语义地图中环视语义标志的数量，djED是数据关联矩阵中的矩阵元i个环视语义对象与第j个环视语义标志的关联性，取值为0或1，当取值为0时代9.根据权利要求8所述的一种面向室内泊车环境下语义,(1-a)分别表示几何误差权重、语义误差权重，10.根据权利要求1所述的一种面向室内泊车环境下语义VI_SLAM的数据关联方法，其4[0001]本发明涉及计算机视觉技术领域，尤其是涉及一种面向室内泊车环境下语义VI_[0002]语义VI_SLAM(Visual_InertialSimultaneousLocalizationandMapping,视觉惯性同时定位与地图构建)是一类SLAM系统，利用视觉和惯性传感器在未知环境中进行[0003]数据关联在语义VI_SLAM中，是指将当前观测到的语义对象与已有地图中的语义[0004]现有语义VI_SLAM通常依靠低级几何特征(例如角、线和表面斑块)来解决数据关[0007]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种面向室内泊车环境下语义VI_SLAM的数据关联方法，以解决或部分解决室内泊车环境下语义对象与语义本发明提供了一种面向室内泊车环境下语义VI_SLAM的数据关联方法，包括如下5对多源图像的相机内参进行标定，识别相邻相机在棋盘格上共享视野的特征点，所述环视语义对象和预先获取的环视语义标志之间的几何误差和语义误差的过程包括如ti个环视语义标志与第i个环视语义对象o:的几何[0016]其中，e"表示在时间t时，第i个环视语义标志与第i个环视语义对象o;的语义6[0025]针对前述现有技术存在的问题，本实施例提供了一种面向室内泊车环境下语义7个广角鱼眼相机生成的鱼眼RGB图像变换为[0034]步骤S203，对环视语义对象构建CNN特征学习网络，获得环视语义对象的语义特在时间t，第j环视语义标志对应的第i环视语义对[0036]其中，f()和分别是环视语义对象的特征表示和时间t所对应的协方差dyeD是数据关联矩阵中的矩阵元素，代表第i环视语义对象与第i语义标志的8semanticSLAMsystemwithvisual,inertialandsurround_viewsensorsfor9为了定量评估在VISSLAM优化过程中采用本实施例的室内泊车环境中语义VI_SLAM[0055]其中，SLAMg代表未采用本实施例的数据关联方法的VISSLAM，其绝对轨迹误差为[0056]通过对比二者的绝对轨迹误差，本实施例的数据关联方法能够大幅降低语义VI_3个测试点，然后根据电动汽车行驶圈数分别统计电动汽车重访测试点时的真实位置与采[0065]本方法将环视图像中检测到的环视语义对象的几何和语义信息整合到一个紧密述存储器内储存有一个或多个程序，所述一个或多个程序