【技术实现步骤摘要】
一种基于Kinect的视觉SLAM方法
本专利技术涉及计算机视觉
，具体涉及一种基于Kinect的视觉SLAM方法。
技术介绍
增强现实的主要技术之一SLAM(Simultaneouslocalizationandmapping)，即时定位与地图构建技术。SLAM方法通过物体自身传感器获取到的信息，在运动过程中，计算自己的位置，同时对周围的环境地图进行构建。传统的视觉SLAM方法计算过程分为三个阶段，前端视觉里程计、后端优化、回环检测。其中，前端视觉里程计增量式地计算摄像头的位置与两个时刻间的相对运动(相对运动估计)。后端则是通过与前几帧做比较，不断修正视觉里程计环节中的累积误差。回环检测则是通过判断是否出现回环，即摄像头是否已检测过该位置，来修正机器人的位置与姿态。尺度不变特征变换算法SIFT(ScaleInvariantFeatureTransform)，是一种检测图像局部特征的算法，通过尺度空间找出一幅图中的极值点，以及与极值点有关的极值范围和特征方向，最终得以提取到位置、尺度和旋转不变的特征点并进行图像特征点匹配。g2o(GeneralizedGra...
【技术保护点】
1.一种基于Kinect的视觉SLAM方法，其特征在于，包括以下步骤：在利用摄像机Kinect同时获取物体的彩色图像和深度图像后，执行如下步骤：步骤一，基于PCA‑SIFT和线性距离组合的视觉里程计环节在视觉里程计环节采用PCA‑SIFT算法，且在特征匹配时用街区距离和棋盘距离的线性组合代替欧式距离，以实时得到关键帧的特征点，进行匹配；步骤二、利用图优化方法减小步骤一的视觉里程计环节中累积的误差；步骤三、基于步骤一的结果，首先提取关键帧的轮廓进行轮廓匹配缩减所需要进行相似性检测的关键帧数量，然后利用词袋模型进行二次回环回环检测。
【技术特征摘要】
1.一种基于Kinect的视觉SLAM方法，其特征在于，包括以下步骤：在利用摄像机Kinect同时获取物体的彩色图像和深度图像后，执行如下步骤：步骤一，基于PCA-SIFT和线性距离组合的视觉里程计环节在视觉里程计环节采用PCA-SIFT算法，且在特征匹配时用街区距离和棋盘距离的线性组合代替欧式距离，以实时得到关键帧的特征点，进行匹配；步骤二、利用图优化方法减小步骤一的视觉里程计环节中累积的误差；步骤三、基于步骤一的结果，首先提取关键帧的轮廓进行轮廓匹配缩减所需要进行相似性检测的关键帧数量，然后利用词袋模型进行二次回环回环检测。2.如权利要求1所述的方法，其特征在于，步骤一分为以下四个阶段：第一阶段：提取关键帧的SIFT特征首先，构建一个尺度空间；然后利用高斯差分算子DoG计算出关键点；之后求出关键点的主方向；最后生成关键点描述子，作为关键帧的SIFT特征，这个描述子是128维的，关键帧相当于角度转过一定角度或者平移超过一定距离的帧，所述关键点描述子为SIFT描述符；第二阶段：结合主成分分析法得到关键帧的PCA-SIFT特征首先输入待匹配图像的所有SIFT描述符，假设有M个特征点,其特征向量Xi的维数是128维的，i＝1,2,3,…,128，构造一个样本矩阵X,其中Xij表示第j个特征点的第i维特征向量的值，0<j≤M；然后计算上述样本矩阵X的协方差矩阵，得到一个128*128的协方差矩阵Z，计算过程如下：先对Xi求平均，得到再对每一个Xi，计算Xi-Xav，这样得到的矩阵记为C＝Xi-Xav；得到协方差矩阵Z＝C*CT；之后计算这个协方差矩阵Z的特征值与对应的特征向量，求出128个特征值和对应的特征向量，然后按照特征值从大到小的顺序排列，取出前T’个较大的特征值对应的特征向量，把其构建成一个128*T’的矩阵，记为S；最后把SIFT描述符投影到子空间中，从而得到PCA-SIFT描述符，作为PCA-SIFT特征；用样本矩阵X乘以特征矩阵S，得到一个M*T’大小的矩阵，将原有的128维SIFT特征降维成T’维向量；第三阶段：用街区距离和棋盘距离的线性组合代替欧氏距离进行对两幅关键帧中的SIFT特征匹配，找到两幅关键帧中的匹配特征点欧式距离为：街区距离D1和棋盘距离D∞的定义为：然后用街区距离D1和棋盘距离D∞的线性组合α(D1(x，y)+D∞(x，y))代替欧氏距离，街区距...
【专利技术属性】
技术研发人员：陈宇翔，李新乐，洪冯，韩世杰，宋莹，
申请(专利权)人：北京计算机技术及应用研究所，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。