The invention provides a synchronous positioning and mapping method for mobile robots in indoor dynamic environment, which can effectively solve the problem of positioning and navigation map construction for mobile robots in indoor dynamic environment. Specifically, the initial estimation of camera pose is achieved by minimizing the photometric error of the image. Then, the motion compensation of the image is estimated, and the moving objects in the image are segmented. The local map points projected in the moving area of the image are eliminated, and the camera pose is further optimized. Finally, TSDF dense map is constructed by using optimized camera pose and camera image information, and real-time updating of the map in dynamic environment is completed by using motion detection at image and map levels. The experimental results show that in the indoor dynamic environment, the method can effectively improve the positioning accuracy of the camera, realize real-time updating of the dense map, improve the robustness of the system and enrich the environmental information perceived by the robot.
【技术实现步骤摘要】
面向室内动态环境的移动机器人同步定位与构图方法
本专利技术涉及一种数字图像处理领域及计算机视觉领域，具体涉及一种面向室内动态环境的移动机器人同步定位与构图方法。
技术介绍
视觉SLAM(SimultaneousLocalizationandMapping，同时定位与地图构建)是利用单个或者多个相机输出的连续图像序列对机器人进行位姿估计的方法。为了实现移动机器人实时准确的定位，基于视觉的实时定位与构图系统得到了广泛应用。尤其是基于RGB-D相机的SLAM系统，可以直接使用相机提供的彩色和深度信息实现相机的定位和环境信息的感知。为了简化问题，现阶段大部分的视觉SLAM系统都假设相机所处环境是静态的或者是图像信息的变化仅依赖于相机自身的运动。但是，在实际环境中不可避免地存在着动态物体，如走动的行人、移动的桌椅等。尽管可以采取一些算法(如随机采样一致性，RANSAC)对小的运动物体引入的外点进行处理，但是动态物体在图像中的占比较大的时候，就会给SLAM系统引入误差，得到错误的位姿信息，进而影响到地图的准确构建。因此，去除SLAM地图中由环境动态物体引起的外点是提升SLAM...
【技术保护点】
1.一种面向室内动态环境的移动机器人同步定位与构图方法，其特征在于，包括：S1、根据室内相机采集的图像，通过划分图像块的方式从图像的关键帧中提取角点并恢复出3D地图点转换到相机坐标系，通过最小化光度误差，获取当前帧相机的位姿；S2、获取当前帧与参考关键帧之间的角点匹配关系，以及统计当前帧与参考关键帧共同观测的地图点的个数，作为两者之间的共视强度；所述参考关键帧为与所述当前帧相邻的N个关键帧中时间间隔最小的关键帧，N为大于等于1的自然数；S3、依据所述共视强度，对所述相机采集的图像进行运动检测，分割出每一张图像的静态区域和动态区域；S4、将所述动态区域的特征点剔除，并更新所述...
【技术特征摘要】
1.一种面向室内动态环境的移动机器人同步定位与构图方法，其特征在于，包括：S1、根据室内相机采集的图像，通过划分图像块的方式从图像的关键帧中提取角点并恢复出3D地图点转换到相机坐标系，通过最小化光度误差，获取当前帧相机的位姿；S2、获取当前帧与参考关键帧之间的角点匹配关系，以及统计当前帧与参考关键帧共同观测的地图点的个数，作为两者之间的共视强度；所述参考关键帧为与所述当前帧相邻的N个关键帧中时间间隔最小的关键帧，N为大于等于1的自然数；S3、依据所述共视强度，对所述相机采集的图像进行运动检测，分割出每一张图像的静态区域和动态区域；S4、将所述动态区域的特征点剔除，并更新所述相机的位姿；S5、筛选用于构建地图的关键帧；S6、根据所述相机所在室内空间的信息和筛选的关键帧、更新后的相机的位姿，构建稠密地图。2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括：S11、从相机采集分辨率为640*480的RGB图像Ik、Ik-1，当图像Ik或者Ik-1为关键帧时，将图像Ik、Ik-1分割成大小为P*P的图像块，在每一个图像块中提取角点，并筛选出响应值比较高的角点作为当前图像的角点；S12、基于所述相机在深度图像中的深度值构造的一系列3D点Pw，在图像Ik、Ik-1上投影后的像素灰度差值δI(Tk,k-1,Pw)为：δI(Tk,k-1,Pw)＝Ik(π(Tk,wPw))-Ik-1(π(Tk-1,wPw))公式一；π表示用相机投影函数，T∈SE(3)为相机位姿变换，Tk-1,w和Tk,w分别表示第k-1与第k帧相机的位姿的逆；S13、通过最小化光度误差，转换为公式二：第i个地图点在世界坐标系下的坐标，Tk,k-1表示第k-1帧相机到第k帧相机的位姿变换；将公式二转换为公式三：Mk-1表示第k-1时刻相机坐标系下的空间点集合，表示第i个地图点在k-1帧相机标系下的坐标，T(ξ)表示帧间位姿更新量；求解公式三，获取相机位姿估计值3.根据权利要求2所述的方法，其特征在于，所述步骤S2包括：S21、将当前帧图像分割为4*4的图像块；在离当前帧空间距离较小的关键帧中，选取在当前帧图像Ik上投影点最多的前m个关键帧，m为大于1的自然数；S22、将这m个关键帧的所有地图点投影到当前帧图像上，每一个图像块中会包含多个投影点，将这些投影点对应的地图点集合记为Psrc；S23、在地图点集合Psrc中选择在之前的图像帧中匹配成功次数最多的地图点Pi；S24、在观测到Pi的所有关键帧中离当前帧最近的关键帧Kj上，取Pi的匹配点作为目标观测点xi，构成已知量集合{Pi,Kj,xi}；S25、在步骤S1中得到相机初始位姿之后，根据当前帧与关键帧Kj之间的位姿将地图点Pi投影到到当前帧图像上作为当前帧的特征点xi′。4.根据权利要求3所述的方法，其特征在于，所述步骤S25包括：S251、引入仿射矩阵A，通过最小化光度误差来优化特征点xi′的位置，Ij为关键帧Kj对应的灰度图像，Ik(xi′)表示第k帧图像在xi′处的像素值，Ij(xi)表示第j个关键帧的图像在xi处的像素值；S252、引入灰度值补偿量γ作为一个优化量处理，则特征点xi′的位置算式变化为公式六：利用逆向构造法将公式六写为其中Pi是图像Ik中以特征点为中心，大小为4*4的图像块，为图像块Pi中第l个像素点的像素值，Δx为xi′的更新变化量,将关于Δx和灰度补偿量γ的变化量Δγ合并为一个3*1列向量为Δp，根据公式八求解出Δp，其中Pr是图像Ir中以特征点xi为中心，大小为4×4的图像块；使用高斯牛顿求解公式七更新匹配点xi′，xi′＝xi′-Δx公式九。5.根据权利要求4所述的方法，其特征在于，所述步骤S3包括：S31、在运动检测中，使用KLT跟踪算法寻找相邻图像上的匹配角点，然后计算单应性矩阵Hk,k-1，k和k-1表示前后两个时刻；对当前帧图像进行运动补偿xk＝Hk,k-1xk-1公式十；其中xk表示当前帧图像角点，xk-1表示上一帧图像角点；S32、在步骤S2中获得每一帧图像与参考关键帧之间的匹配点，进而会得到前后两帧之间的匹配点；接着，根据当前帧和上一帧的2D匹配点集，并利用Ransac算法计算出这两帧图像的H矩阵；S33、为当前帧的每一个图像块建立两个SGM模型，一个是背景模型和另一个是候选背景模型，当新的图像到来后更新其均值方差以及模型更新次数η，其中定义为当前图像帧第i个图像块的均值和方差，图像块的大小取4×4像素点；S34、在运动检测的过程中相机也会运动，图像块的高斯模型会受到周围图像块的影响，计算周围图像块对当前图像...
【专利技术属性】
技术研发人员：张云洲，高成强，王晓哲，邓毅，姜浩，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21
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。