原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了基于双任务学习和位姿图优化的视觉重定位方法及系统，方法包括：获取视频帧数据；构建全局位姿回归GPR模型，将所述视频帧数据输入所述GPR模型，提取帧间特征和帧内特征，获取全局位姿，其中所述GPR模型由ResNet34网络结合基于GNN的多视图融合模块构建；构建相对位姿估计RPE模型，将所述视频帧数据中的相邻视频帧输入所述RPE模型，获取预估相对位姿，其中所述RPE模型由FlowNet网络结合长短时记忆网络和Refine模块构建；根据所述全局位姿和所述预估相对位姿，获取视觉重定位结果。本
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117671397A
(43)申请公布日2024.03.08
(21)申请号202311685922.6
(22)申请日2023.12.08
(71)申请人广东技术师范大学
地址5106
文档评论（0）