一种应用深度数据分布约束的运动估计方法技术

本发明专利技术公开了一种应用深度数据分布约束的运动估计方法，本专利方案主要针对视觉 SLAM 中从相邻两次图像数据估计机器人运动的需求，使用特征提取算法提取特征点和特征点描述子，对于特征点根据距离分为近点和远点两类，分别使用RANSAC方法剔除错误结果，使得最终的匹配结果中，能够存在相对合理数量的近距离特征点和远距离特征点，并在此基础上改善机器人位姿运动估计的精度和稳定性。

A motion estimation method with depth data distribution constraints

【技术实现步骤摘要】
一种应用深度数据分布约束的运动估计方法
本专利技术涉及计算机视觉
，具体为一种应用深度数据分布约束的运动估计方法。
技术介绍
近年来移动机器人感知环境的技术不断发展，机器人同时估计自身位置和构建环境地图技术（SimultaneousLocalizationandMapping,SLAM）是实现智能化机器人的关键技术。当移动机器人位于未知场景中且无法通过外部信息直接获取自身位置和姿态信息时，机器人本体需要分析自身传感器实时数据同时完成自身位置的估计和环境地图的构建。SLAM问题可以描述为：机器人在未知环境中从初始点出发，运动时通过外部传感器获得的环境观测信息以及内部的里程计数据实现自定位，同时在此基础上结合传感器观测信息逐步构建环境地图，其主要流程如图6所示。早期机器人定位主要借助于激光雷达、IMU、距离传感器等，而随着计算机视觉的发展，相机以其廉价、低功率、数据丰富的特点在SLAM领域得到广泛的应用，被称为视觉SLAM。机器人在运动的过程中，安装在机器人本体的上的RGB-D相机能够实时采集图像数据。RGB-D相机上的彩色摄本文档来自技高网...

【技术保护点】
1.一种应用深度数据分布约束的运动估计方法，其特征在于：包括以下步骤：/n步骤一：RGB-D相机采集相邻时间的两帧图像，并分别对近距离和远距离提取图像中的特征点及其描述子；/n步骤二：在通过特征提取算法得到图像特征点及其描述子之后，通过匹配来确定两幅图中共同视觉特征的对应关系；/n步骤三：通过计算两个描述子间的距离来度量其相似性；/n步骤四：使用FlannBasedMatcher利用快速近似最近邻搜索算法查找，找到一个相对优秀的最近邻近似匹配；/n步骤五：采用随机采样一致性算法分别对近距离和远距离特征点和特征点描述子的错误匹配对进行剔除，从匹配对中随机的选取 3 个匹配对，使用选取的 3 个匹...

【技术特征摘要】
1.一种应用深度数据分布约束的运动估计方法，其特征在于：包括以下步骤：
步骤一：RGB-D相机采集相邻时间的两帧图像，并分别对近距离和远距离提取图像中的特征点及其描述子；
步骤二：在通过特征提取算法得到图像特征点及其描述子之后，通过匹配来确定两幅图中共同视觉特征的对应关系；
步骤三：通过计算两个描述子间的距离来度量其相似性；
步骤四：使用FlannBasedMatcher利用快速近似最近邻搜索算法查找，找到一个相对优秀的最近邻近似匹配；
步骤五：采用随机采样一致性算法分别对近距离和远距离特征点和特征点描述子的错误匹配对进行剔除，从匹配对中随机的选取3个匹配对，使用选取的3个匹配对计算图像间的基础矩阵，然后利用基础矩阵计算图一中每个特征点在图二中的极线，然后计算图二对应特征点到对应极线的距离，距离小于给定阈值的匹配被认定为合格，否则判定为错误的匹配；对以上过程重复迭代一定次数，选取合格数量最多的那次迭代作为最终的匹配效果，并基于此次迭代的所有合格特征点重新计算基础矩阵；
步骤六：通过特征提取和匹配环节，两帧图像间相同特征点的一一对应关系得以确立，利用两个图像对应特征点的深度信息生成两个对应的三维点集，然后对点集进行配准，首先从匹配点集中随机选取3个匹配对，利用ICP算法估计这三个匹配对的变换T，然后来统计内点数量，重复随机取点到内点统计的过程，迭代N次后采用内点数量最多的...

【专利技术属性】
技术研发人员：吕岳，张晓峰，沈季玮，
申请(专利权)人：南通慧识智能科技有限公司，
类型：发明
国别省市：江苏;32