基于距离度量的视觉词典闭环检测方法与装置制造方法及图纸

本发明专利技术揭示了一种基于距离度量的视觉词典闭环检测方法与装置，其中，基于距离度量的视觉词典闭环检测方法包括：确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离，所述历史帧图片为与所述当前帧图片的相似度达到第一预设阈值的帧图片；若所述最短空间距离小于第二预设阈值，则将所述历史帧图片纳入候选帧图片集合，所述第二预设阈值为预先获取到的所述当前帧与其邻近帧的不确定度的预设倍数；将所述候选帧图片与所述当前帧图片进行闭环检测。本发明专利技术结合最短空间距离约束视觉词典中相似图片的选择范围，以便找到合适的相似图片进行闭环检测，有效减少视觉歧义，提高闭环检测的准确性，增加机器人的定位精度。

【技术实现步骤摘要】
基于距离度量的视觉词典闭环检测方法与装置
本专利技术涉及到机器人领域，特别是涉及到基于距离度量的视觉词典闭环检测方法与装置。
技术介绍
同步定位与地图构建是移动机器人导航领域的基本问题与研究热点，是否具备同步定位与地图构建的能力被许多人认为是机器人是否能够实现自主导航的关键的前提条件。SLAM(SimultaneousLocalizationandMapping，定位与地图构建)过程中机器人实现自定位的同时构建环境地图，由于先验知识的匮乏和环境的不确定性，机器人在行走的过程中需要判断当前位置是否处于已经访问过的环境区域，并以此作为判断是否需要环境更新的依据，即闭环检测问题。由于视觉传感器观测的范围有限，单目视觉SLAM闭环检测面临很多问题，包括机器人运动的不确定性和误差会导致数据关联错误、视觉特征如何检测、视觉场景模型如何表征等等。其中如何准确建立场景模型是视觉SLAM闭环检测的关键，目前大部分基于视觉的场景模型通过直接获得的环境外观特征来描述。BoVW(BagofVisualWords)算法是一种有效的图像特征建模方法，被广泛用于视觉SLAM闭环检测。该方法首先用SURF(Speed-uprobustfeatures，加速健壮特征)或SIFT(Scale-invariantfeaturetransform，尺度不变特征转换)算子提取图像的局部特征，然后将特征进行分类构建视觉词典，基于创建的视觉词典，任何一幅图像都可以用视觉词典中的视觉单词集合进行表征。然而，由于视觉扫地机视野范围小，难免会出现不在同一地方拍摄到的两帧图像具有很相似的特征，这时单纯利用视觉词典匹配得到的闭环很可能代表错误的信息，引入错误的信息就会导致扫地机定位出现错误，进而影响整个系统的稳定性。因此，现有技术还有待改进。
技术实现思路
本专利技术的主要目的为提供一种基于距离度量的视觉词典闭环检测方法，旨在解决单纯利用视觉词典匹配的闭环信息不准确而导致扫地机定位错误的技术问题。本专利技术第一方面提出一种基于距离度量的视觉词典闭环检测方法，包括：确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离，所述历史帧图片为与所述当前帧图片的相似度达到第一预设阈值的帧图片；若所述最短空间距离小于第二预设阈值，则将所述历史帧图片纳入候选帧图片集合，所述第二预设阈值为预先获取到的所述当前帧与其邻近帧的不确定度的预设倍数；将上述候选帧图片与上述当前帧图片进行闭环检测。优选地，上述确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离的步骤，包括：根据移动过程中形成的位姿空间约束关系确定上述第一位姿与上述第二位姿之间的不确定性；根据上述不确定性通过Dijkstra最短路径算法寻找上述第一位姿与上述第二位姿之间的最短距离；将上述最短距离设定为上述最短空间距离。优选地，上述根据移动过程中形成的位姿空间约束关系确定上述第一位姿与上述第二位姿之间的不确定性的步骤，包括：计算上述第一位姿与上述第二位姿之间的协方差矩阵；根据预设标量值度量上述协方差矩阵对应的不确定性。优选地，上述根据上述不确定性通过Dijkstra最短路径算法寻找上述第一位姿与上述第二位姿之间的最短距离的步骤，包括：标记第一位姿为第一源节点，并将第一源节点纳入距离最小点集合，上述位姿空间约束关系中剩余节点为第一未标记状态节点；分别计算与上述第一源节点直接连接的各上述第一未标记状态节点到上述第一源节点的第一类距离；根据上述第一类距离选择距离最小的第一距离对应的第一节点，并将上述第一节点放入上述距离最小点集合；标记上述第一节点为第二源节点，标记上述距离最小点集合之外的节点为第二未标记状态节点；分别计算与上述第二源节点直接连接的各上述第二未标记状态节点到上述第二源节点的第二类距离；根据上述第二类距离选择距离最小的第二距离对应的第二节点，并将上述第二节点放入上述距离最小点集合，直至上述位姿空间约束关系中所有节点均位于上述上述距离最小点集合中；根据将节点纳入上述距离最小点集合的次序，形成上述第一位姿与上述第二位姿之间的最短路径，以上述最短路径的距离为上述第一位姿与上述第二位姿之间的最短距离。优选地，上述确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离的步骤之前，包括：根据上述当前帧图片的视觉词袋特征，筛选与上述当前帧图片具有指定数量范围的匹配层点对数的相似图片作为上述历史帧图片。优选地，上述根据上述当前帧图片的视觉词袋特征，筛选与上述当前帧图片具有指定数量范围的匹配层点对数的相似图片作为上述历史帧图片的步骤，包括：获取上述当前帧图片的第一视觉词袋特征和各图片的第二视觉词袋特征；判断上述第一视觉词袋特征与上述第二视觉词袋特征的层点对数的匹配量是否大于预设值；若大于，则判定该上述第二视觉词袋特征所对应的图片为上述相似图片。本专利技术第二方面提供了一种基于距离度量的视觉词典闭环检测装置，该装置被配置实现上述第一方面或第一方面任一可选的实现方式所提供的方法的功能，由软件实现，其软件包括与上述功能相应的模块，例如，确定模块、纳入模块以及进行模块，其中：确定模块，用于确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离，上述历史帧图片为与上述当前帧图片的相似度达到第一预设阈值的帧图片；纳入模块，用于若所述最短空间距离小于第二预设阈值，则将所述历史帧图片纳入候选帧图片集合，所述第二预设阈值为预先获取到的所述当前帧与其邻近帧的不确定度的预设倍数；进行模块，用于将上述候选帧图片与上述当前帧图片进行闭环检测。本专利技术有益技术效果：本专利技术结合最短空间距离约束视觉词典中相似图片的选择范围，并通过视觉词袋特征，找到合适的相似图片，以便进行闭环检测，能有效减少视觉歧义的现象，提高闭环检测的准确性，增加机器人的定位精度。附图说明图1本专利技术一实施例的基于距离度量的视觉词典闭环检测方法流程示意图；图2本专利技术一实施例步骤S1的流程示意图；图3本专利技术一实施例步骤S10的流程示意图；图4本专利技术一实施例步骤S11的流程示意图；图5本专利技术一实施例步骤S4的流程示意图；图6本专利技术一实施例的机器人运行路径中的约束关系转换为路径树状图的示意图；图7本专利技术一实施例寻找最短路径的节点约束关系示意图；图8本专利技术一实施例的基于距离度量的视觉词典闭环检测装置的结构示意图；图9本专利技术一实施例确定模块的结构示意图；图10本专利技术一实施例确定单元的结构示意图；图11本专利技术一实施例寻找单元的结构示意图；图12本专利技术一实施例的基于距离度量的视觉词典闭环检测装置的优化结构示意图；图13本专利技术一实施例筛选模块的结构示意图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参照图1，本专利技术一实施例的基于距离度量的视觉词典闭环检测方法，包括：S1：确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离，上述历史帧图片为与上述当前帧图片的相似度达到第一预设阈值的帧图片。本步骤中的空间距离不仅包括相距位置的欧氏距离，还包括拍摄角度的相差量。本实施例的位姿指机器人所处的位置和姿态；历史帧图片指机器人历史时本文档来自技高网...

【技术保护点】
1.一种基于距离度量的视觉词典闭环检测方法，其特征在于，包括：确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离，所述历史帧图片为与所述当前帧图片的相似度达到第一预设阈值的帧图片；若所述最短空间距离小于第二预设阈值，则将所述历史帧图片纳入候选帧图片集合，所述第二预设阈值为预先获取到的所述当前帧与其邻近帧的不确定度的预设倍数；将所述候选帧图片与所述当前帧图片进行闭环检测。

【技术特征摘要】
1.一种基于距离度量的视觉词典闭环检测方法，其特征在于，包括：确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离，所述历史帧图片为与所述当前帧图片的相似度达到第一预设阈值的帧图片；若所述最短空间距离小于第二预设阈值，则将所述历史帧图片纳入候选帧图片集合，所述第二预设阈值为预先获取到的所述当前帧与其邻近帧的不确定度的预设倍数；将所述候选帧图片与所述当前帧图片进行闭环检测。2.根据权利要求1所述的基于距离度量的视觉词典闭环检测方法，其特征在于，所述确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离的步骤，包括：根据移动过程中形成的位姿空间约束关系确定所述第一位姿与所述第二位姿之间的不确定性；根据所述不确定性通过Dijkstra最短路径算法寻找所述第一位姿与所述第二位姿之间的最短距离；将所述最短距离设定为所述最短空间距离。3.根据权利要求2所述的基于距离度量的视觉词典闭环检测方法，其特征在于，所述根据移动过程中形成的位姿空间约束关系确定所述第一位姿与所述第二位姿之间的不确定性的步骤，包括：计算所述第一位姿与所述第二位姿之间的协方差矩阵；根据预设标量值度量所述协方差矩阵对应的不确定性。4.根据权利要求2所述的基于距离度量的视觉词典闭环检测方法，其特征在于，所述根据所述不确定性通过Dijkstra最短路径算法寻找所述第一位姿与所述第二位姿之间的最短距离的步骤，包括：标记第一位姿为第一源节点，并将第一源节点纳入距离最小点集合，所述位姿空间约束关系中剩余节点为第一未标记状态节点；分别计算与所述第一源节点直接连接的各所述第一未标记状态节点到所述第一源节点的第一类距离；根据所述第一类距离选择距离最小的第一距离对应的第一节点，并将所述第一节点放入所述距离最小点集合；标记所述第一节点为第二源节点，标记所述距离最小点集合之外的节点为第二未标记状态节点；分别计算与所述第二源节点直接连接的各所述第二未标记状态节点到所述第二源节点的第二类距离；根据所述第二类距离选择距离最小的第二距离对应的第二节点，并将所述第二节点放入所述距离最小点集合，直至所述位姿空间约束关系中所有节点均位于所述所述距离最小点集合中；根据将节点纳入所述距离最小点集合的次序，形成所述第一位姿与所述第二位姿之间的最短路径，以所述最短路径的距离为所述第一位姿与所述第二位姿之间的最短距离。5.根据权利要求1所述的基于距离度量的视觉词典闭环检测方法，其特征在于，所述确定当前帧图片对应的第一位姿与历史帧图片对应的第二位姿之间的最短空间距离的步骤之前，包括：根据所述当前帧图片的视觉词袋特征，筛选与所述当前帧图片具有指定数量范围的匹配层点对数...

【专利技术属性】
技术研发人员：王声平，张立新，
申请(专利权)人：深圳市沃特沃德股份有限公司，
类型：发明
国别省市：广东,44