【技术实现步骤摘要】
动态环境下的视觉SLAM初始化方法、系统、装置
本专利技术属于机器人、无人驾驶、AR视觉领域,具体涉及一种动态环境下的视觉SLAM初始化方法、系统、装置。
技术介绍
视觉SLAM是一个系统工程,在经典的视觉SLAM框架中,往往会假设环境为静态环境,或者环境中的静态特征占据多数。尽管目前已经出现了较为成熟的视觉SLAM系统,如ORB-SLAM、DSO、LSD等,但由于SLAM系统做了静态环境的假设,导致其在运动场景中的鲁棒性极差。无论是直接法或是非直接法的视觉SLAM系统,都缺乏应对运动物体的干扰,而且在SLAM运行过程中,对于相机位姿的解算完全依赖于RANSAC方法,如果静态特征点在整个图像中未占据多数,或者占比较低,则在有限次的迭代计算中,往往得不到正确的相机运动模型。传统的因式分解法由于需要提前预知运动物体的个数,且解算数据需要批量数据,因此难以实时且鲁棒的解算运动环境下的相机位姿。建模的方法如高斯建模,混合高斯建模等对于SLAM意义不大,原因在于SLAM的真正意义在于对未知环境的探索,如果在已知环境中运动,SLAM问题可退化为定位问题,我们完全可以限定环境以各种方式获取环境的高精地图,然后利用地图匹配对相机进行定位。目前,越来越多基于深度学习的方法被应用在运动目标检测中。在某些视觉SLAM框架中,采用了对运动目标进行先识别,再对运动目标区域内的特征点进行剔除,最后利用剩余的特征点进行相机运动模型计算。基于深度学习的方法对运动目标的检测的准确率和效率有了较大的提升,但仍然具有极大的局限性,这是由于 ...
【技术保护点】
1.一种动态环境下的视觉SLAM初始化方法,其特征在于,该方法包括:/n步骤S10,从输入视频中获取具有视差的第一图像帧、第二图像帧;/n步骤S20,对所述第一图像帧、所述第二图像帧,分别进行ORB特征点的提取,通过特征点匹配方法获取所述第一图像帧的匹配特征点;/n步骤S30,对所述第一图像帧等份划分,得到多个图像块,选取所包含的匹配特征点大于设定阈值的图像块作为格子模型,并通过RANSAC算法获取每个格子模型的内点,及内点的质心;/n步骤S40,对每一个格子模型,基于其内点分别计算其与其他格子模型的耦合度,并基于预设的耦合度阈值选取格子模型,构建对应的格子模型集合;/n步骤S50,对于每一个格子模型集合,基于其中每个格子模型内点的质心计算分布方差,并选取最大分布方差值对应的格子模型集合,并基于该集合中各格子模型的内点构建静态特征集合;/n步骤S60,对所述静态特征集合中的内点进行三角化,通过非线性优化方法获取SLAM的三维坐标,并基于该三维坐标对SLAM进行初始化。/n
【技术特征摘要】
1.一种动态环境下的视觉SLAM初始化方法,其特征在于,该方法包括:
步骤S10,从输入视频中获取具有视差的第一图像帧、第二图像帧;
步骤S20,对所述第一图像帧、所述第二图像帧,分别进行ORB特征点的提取,通过特征点匹配方法获取所述第一图像帧的匹配特征点;
步骤S30,对所述第一图像帧等份划分,得到多个图像块,选取所包含的匹配特征点大于设定阈值的图像块作为格子模型,并通过RANSAC算法获取每个格子模型的内点,及内点的质心;
步骤S40,对每一个格子模型,基于其内点分别计算其与其他格子模型的耦合度,并基于预设的耦合度阈值选取格子模型,构建对应的格子模型集合;
步骤S50,对于每一个格子模型集合,基于其中每个格子模型内点的质心计算分布方差,并选取最大分布方差值对应的格子模型集合,并基于该集合中各格子模型的内点构建静态特征集合;
步骤S60,对所述静态特征集合中的内点进行三角化,通过非线性优化方法获取SLAM的三维坐标,并基于该三维坐标对SLAM进行初始化。
2.根据权利要求1所述的动态环境下的视觉SLAM初始化方法,其特征在于,所述的第一图像帧为时刻在前的图像。
3.根据权利要求1所述的动态环境下的视觉SLAM初始化方法,其特征在于,步骤S20中“通过特征点匹配方法获取所述第一图像帧的匹配特征点”,其方法为:获取所述第一图像帧与所述第二图像帧相匹配的ORB特征点作为所述第一图像帧的匹配特征点。
4.根据权利要求1所述的动态环境下的视觉SLAM初始化方法,其特征在于,步骤S30中“选取所包含的匹配特征点大于设定阈值的图像块作为格子模型,并通过RANSAC算法获取每个格子模型的内点,及内点的质心”,其方法为:
选取所包含的匹配特征点大于设定阈值的图像块作为格子模型,统计格子模型的数量;
若所述格子模型的数量大于预设值,则基于每个格子模型的匹配特征点,通过RANSAC算法获取每个格子模型的内点,及内点的质心,执行步骤S40,否则执行步骤S10。
5.根据权利要求1所述的动态环境下的视觉SLAM初始化方法,其特征在于,步骤S40中“对每一个格子模型,基于其内点分别计算其与其他格子模型的耦合度”,其方法为:
将每一个格子模型作为第一模型,将其他格子模型中的任一模型作为第二模型;
基于所述第二模...
【专利技术属性】
技术研发人员:汤淑明,卢晓昀,顿海洋,黄馨,张力夫,
申请(专利权)人:中国科学院自动化研究所,
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。