简介:
本发明涉及一种巡检机器人视觉里程计方法,包括获取机器人相机内部参数;在机器人运行过程中通过可见光相机截取图像;选取截取图像中的相邻两帧记为源帧和目标帧;将源帧输入至无监督深度估计网络得到预测深度;无监督深度估计网络进行密集模块的轻量化改进;利用光流网络对源帧和目标帧预测前向光流和后向光流,根据前后光流一致性原则筛选得到优质匹配特征点对;通过三角测量获得计算深度;将预测深度和计算深度根据尺度对齐方法进行帧间尺度对齐,获得尺度一致机器人定位轨迹。与现有技术相比,本发明实现机器人在巡检过程中的高效定位,避免因定位精度不足导致的巡检结果失效,节约巡检资源,在电厂巡检任务中具有较高的实际使用价值。
本发明涉及一种巡检机器人视觉里程计方法,包括获取机器人相机内部参数;在机器人运行过程中通过可见光相机截取图像;选取截取图像中的相邻两帧记为源帧和目标帧;将源帧输入至无监督深度估计网络得到预测深度;无监督深度估计网络进行密集模块的轻量化改进;利用光流网络对源帧和目标帧预测前向光流和后向光流,根据前后光流一致性原则筛选得到优质匹配特征点对;通过三角测量获得计算深度;将预测深度和计算深度根据尺度对齐方法进行帧间尺度对齐,获得尺度一致机器人定位轨迹。与现有技术相比,本发明实现机器人在巡检过程中的高效定位,避免因定位精度不足导致的巡检结果失效,节约巡检资源,在电厂巡检任务中具有较高的实际使用价值。