一种基于词袋模型的回环检测方法技术

本发明专利技术涉及一种基于词袋模型的回环检测方法。该词袋模型采用具有旋转不变性和尺度感知能力的二进制视觉特征ORB，这种视觉特征能够具有同SIFT特征和SURF特征相似的性能同时具有与由FAST关键点和BRIEF描述子构成的视觉特征相同的计算效率，是一种兼顾了低计算复杂度和高特征显著性的视觉特征。本发明专利技术采用依赖于该视觉特征的词袋模型，因而能够在具有平面旋转和尺度缩放的场景中有效的进行回环检测。同时改进了相似度分数的归一化方法，通过计算和保持一个归一化因子的均值并在归一化因子数值异常时代替该异常归一化因子执行归一化。这种归一化方法使得系统能够在主体运动过快或过慢以及发生转向的情况下有效的进行回环检测。

【技术实现步骤摘要】
一种基于词袋模型的回环检测方法
本专利技术涉及视觉SLAM领域，更具体地，涉及一种基于词袋模型的回环检测方法。
技术介绍
基于词袋模型的回环检测是当前视觉SLAM中的主流做法，词袋模型能够根据从图像中提取的视觉特征在视觉词典中的分布将图像转化为数值向量进而实现图像间快速有效的比较。词袋模型的表现依赖于它所采用的视觉特征，早期采用SIFT特征和SURF特征的做法在特征提取和匹配上消耗大量时间从而加剧了系统负担。在“D.Galvez-Lopez,andJ.D.Tardos,“Real-timeloopdetectionwithbagsofbinarywords,”IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems,pp.51–58,2011”中采用了由FAST关键点和BRIEF描述子构成的视觉特征从而有效的克服了这种缺陷，但由于这种视觉特征缺乏旋转不变性和尺度不变性导致系统只能应用于平面相机运动场景而无法在具有平面旋转和尺度缩放的场景下有效工作。在基于词袋模型的回环检测中，使用相似度分数来反映图像之间的相似性，但是原始的相似度分数的数值取值范围非常依赖于图像所描述的场景以及视觉特征在视觉词典中的分布，因此该数值的绝对大小无法作为统一的相似性衡量标准。以往方法会利用当前图像与其前一张图像间的相似度分数作为归一化因子对其他相似度分数执行归一化。但当视觉传感器获取当前图像时运动过快或者过缓以及发生转向，就会导致归一化因子的数值过大或过小从而无法正确的执行归一化，通常的做法就是跳过在这种情况下的回环检测，这导致了系统在主体运动过快或者过慢以及转向的情况下无法很好的进行回环检测。
技术实现思路
为了克服由于词袋模型采用由FAST关键点和BRIEF描述子构成的视觉特征而导致系统无法在含有平面旋转和尺度缩放的场景中有效进行回环检测以及由于回避了由异常归一化因子引发的错误归一化而导致系统无法在主体运动过快或过慢以及转向的情况下有效的进行回环检测的问题，本专利技术提出一种基于词袋模型的回环检测方法，本专利技术采用的技术方案是：一种基于词袋模型的回环检测方法，包括以下步骤：S10.词袋模型向量转化：从系统所获取的图像中提取ORB视觉特征，根据ORB视觉特征在词袋模型视觉词典中的分布将图像转化为数值向量；S20.图像间相似度分数计算：依据当前图像和先前获取每幅图像的数值向量计算对应相似度分数；S30.相似度分数归一化：以当前图像同其前一幅图像间的相似度分数作为归一化因子对其他相似度分数致性归一化并计算归一化后的相似度分数η：其中，vc为当前图像，vr为参考图像；vc-Δt为与vc的上一幅图像，s(vc,vc-Δt)为当前图像同其上一幅图像间的相似度分数；s(vc,vr)为当前图像同参考图像间的相似度分数；S40.确定回环候选并分类：若归一化后的相似度分数η(vc,vr)达到给定阈值，可将图像vr作为当前图像vc的一个回环候选，再将相邻的回环候选组合到一起作为一类回环候选；S50.时间一致性验证：在时间一致性验证阶段，需验证一类回环候选是否在一段时间内持续的被检测到，若是则保留该类回环候选；若否则不保留该类回环候选；S60.几何一致性验证：在每类保留下来的回环候选中选取具有最大相似度分数的回环候选作为该类的代表进入几何一致性验证阶段，计算从当前图像对应相机坐标系到该回环候选对应相机坐标系的空间变换并验证其合理性，如果该空间变换合理，则该回环候选最终被确认为当前图像的真正回环。本专利技术的技术关键点在于，提出了一种基于词袋模型的回环检测方法，该方法能够在视觉SLAM中消除累积误差从而构建全局一致的轨迹和地图。其中最为关键的两点在于采用了具有旋转不变性和尺度感知能力的二进制视觉特征ORB以及通过归一化因子均值代替异常归一化因子的相似度分数归一化方法。优选的，S20的步骤具体为：利用对应数值向量的L1范数计算相应图像之间的相似度分数：这个相似度分数的取值分布在0和1之间，当两幅图像完全没有相似性时对应的相似度分数为0，当两幅图像完全一致时对应的相似度分数为1。优选的，在S30步骤中考虑到异常归一化因子的存在，计算并保持一个归一化因子s(vc，vc-Δt)的均值ε(vc，vc-Δt)：若归一化因子s(vc，vc-Δt)高于或低于均值ε(vc，vc-Δt)的一个给定范围，则利用该均值代替归一化因子执行归一化。优选的，S40.的步骤具体为：S401.在归一化完成后，若相似度分数η(vc，vr)达到一个给定的最小阈值α，就将参考图像Ir作为的当前图像Ic的一个回环候选；S402.为了去除冗余和错误的回环候选，将相邻回环候选组合在一起作为一类回环候选；对于当前图像Ic，使用Ir，Ir+Δt，Ir+2Δt，…，Ir+nΔt表示它的一类回环候选，使用Vr表示这些回环候选所对应的数值向量vr，vr+Δt，vr+2Δt，…，vr+nΔt；S403.通过加和这些回环候选的相似度分数来获得该类回环候选的整体相似度分数H(vc，Vr)：当所有的回环候选都被分配到对应类别后，若一类回环候选的整体相似度分数达到一个给定的最小阈值β，就保留该类回环候选。与现有技术相比，本专利技术技术方案的有益效果是：本专利技术的有益效果主要体现在两个方面，即在场景中存在平面旋转和尺度缩放以及当主体移动过快、过慢或是转向的情况下，相比当前类似的回环检测方法，本专利技术提供的方法能够在100％的准确率下获得更高的召回率，这就说明本专利技术提供的方法能更为准确有效的检测回环。附图说明图1为本专利技术提供的基于词袋模型的回环检测方法的方法流程图；图2为本专利技术提供的基于词袋模型的回环检测方法的相机位姿轨迹估计对比图(上方：未使用回环检测；下方：使用回环检测；红色：真实轨迹；蓝色：估计轨迹)；图3为本专利技术提供的基于词袋模型的回环检测方法的重建场景稠密点云图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，仅用于示例性说明，不能理解为对本专利的限制。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。实施例1图1所示，一种基于词袋模型的回环检测方法，包括以下步骤：S10.词袋模型向量转化：从系统所获取的图像中提取ORB视觉特征，根据ORB视觉特征在词袋模型视觉词典中的分布将图像转化为数值向量；为之后实现图像间快速有效比较提供了依据；S20.图像间相似度分数计算：依据当前图像和先前获取每幅图像的数值向量计算对应相似度分数，对于任意的两个数值向量v1和v2，利用L1范数评估的相似性：这个相似度分数的取值分布在0和1之间，当两幅图像完全没有相似性时对应的相似度分数为0，当两幅图像完全一致时对应的相似度分数为1；S30.相似度分数归一化：以当前图像同其前一幅图像间的相似度分数作为归一化因子对其他相似度分数致性归一化，对于当前图像Ic和参考图象Ir，其对应数值向量为vc和vr，计算归一化后的相似度分数η(vc，vr)：其中，vc为当前图像，vr为参考图像；v本文档来自技高网...

【技术保护点】
1.一种基于词袋模型的回环检测方法，其特征在于，包括以下步骤：S10.词袋模型向量转化：从系统所获取的图像中提取ORB视觉特征，根据ORB视觉特征在词袋模型视觉词典中的分布将图像转化为数值向量；S20.图像间相似度分数计算：依据当前图像和先前获取每幅图像的数值向量计算对应相似度分数；S30.相似度分数归一化：以当前图像同其前一幅图像间的相似度分数作为归一化因子对其他相似度分数致性归一化并计算归一化后的相似度分数η：

【技术特征摘要】
1.一种基于词袋模型的回环检测方法，其特征在于，包括以下步骤：S10.词袋模型向量转化：从系统所获取的图像中提取ORB视觉特征，根据ORB视觉特征在词袋模型视觉词典中的分布将图像转化为数值向量；S20.图像间相似度分数计算：依据当前图像和先前获取每幅图像的数值向量计算对应相似度分数；S30.相似度分数归一化：以当前图像同其前一幅图像间的相似度分数作为归一化因子对其他相似度分数致性归一化并计算归一化后的相似度分数η：其中，vc为当前图像，vr为参考图像；vc-Δt为与vc的上一幅图像，s(vc，vc-Δt)为当前图像同其上一幅图像间的相似度分数；s(vc，vr)为当前图像同参考图像间的相似度分数；S40.确定回环候选并分类：若归一化后的相似度分数η(vc，vr)达到给定阈值，可将图像vr作为当前图像vc的一个回环候选，再将相邻的回环候选组合到一起作为一类回环候选；S50.时间一致性验证：在时间一致性验证阶段，需验证一类回环候选是否在一段时间内持续的被检测到，若是则保留该类回环候选；若否则不保留该类回环候选；S60.几何一致性验证：在每类保留下来的回环候选中选取具有最大相似度分数的回环候选作为该类的代表进入几何一致性验证阶段，计算从当前图像对应相机坐标系到该回环候选对应相机坐标系的空间变换并验证其合理性，如果该空间变换合理，则该回环候选最终被确认为当前图像的真正回环。2.根据权利要求1所述的基于词袋模...

【专利技术属性】
技术研发人员：田浩辰，吴贺俊，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44