一种视觉SLAM系统的关键点提取器生成方法技术方案

本发明专利技术公开了一种视觉SLAM系统的关键点提取器生成方法，包括步骤：1)利用自监督框架进行基础卷积神经网络的训练，并利用基础卷积神经网络获取虚假关键点集；2)利用虚假关键点集和光流算法来计算相邻两帧图像之间好的匹配点集和坏的匹配点集；3)根据虚假关键点、好的匹配点集和坏的匹配点集来计算卷积神经网络的损失函数；4)通过训练使损失函数收敛，训练后的卷积神经网络即可作为视觉SLAM系统的关键点提取器进行使用。本发明专利技术将光流、自监督学习和视觉SLAM结合起来，降低了训练数据获取的难度，并利用卷积神经网络构造关键点提取器以供视觉SLAM进行使用，从而提高了视觉SLAM系统的估计精度和鲁棒性。

【技术实现步骤摘要】
一种视觉SLAM系统的关键点提取器生成方法
本专利技术涉及光流和自监督学习的
，尤其是指一种视觉SLAM系统的关键点提取器生成方法。
技术介绍
近年来，科技的高速发展，人们生活的质量和便捷程度都得到了极大的提升。与此同时，较好的计算机硬件配置和优秀的计算机视觉算法给各类更先进服务人提供了强大的保障。对于移动式的服务机器人而言，如何更精确和更鲁棒的完成即时定位和建图功能，是一个值得去解决的问题。目前即时定位与地图构建(SLAM)系统按照所使用的传感器的种类可分为以下两种形式:1、基于激光雷达的定位与建图方案：采用激光雷达作为定位于建图的传感器。即使用激光雷达来采集环境中的一系列具有精确角度和距离信息的离散点云，并通过对点云进行匹配，从而计算出相机的运动和位姿。2、基于视觉的定位与建图方案：通过相机作为定位与建图的传感器。即使用相机获取环境中海量且丰富的纹理信息，并使用计算机视觉技术来恢复出环境对应的点云，从而计算出相机的运动和位姿。总体而言，现有的激光雷达SLAM系统虽然拥有着较高的估计精度和鲁棒性，但传感器的价格昂贵，难以使用，且本文档来自技高网...

【技术保护点】
1.一种视觉SLAM系统的关键点提取器生成方法，其特征在于，包括以下步骤：/n1)利用自监督框架进行基础卷积神经网络的训练，并利用基础卷积神经网络获取虚假关键点集；/n2)利用虚假关键点集和光流算法来计算相邻两帧图像之间好的匹配点集和坏的匹配点集；/n3)根据虚假关键点、好的匹配点集和坏的匹配点集来构建卷积神经网络的损失函数；/n4)通过训练使损失函数收敛，训练后的卷积神经网络即可作为视觉SLAM系统的关键点提取器进行使用。/n

【技术特征摘要】
1.一种视觉SLAM系统的关键点提取器生成方法，其特征在于，包括以下步骤：
1)利用自监督框架进行基础卷积神经网络的训练，并利用基础卷积神经网络获取虚假关键点集；
2)利用虚假关键点集和光流算法来计算相邻两帧图像之间好的匹配点集和坏的匹配点集；
3)根据虚假关键点、好的匹配点集和坏的匹配点集来构建卷积神经网络的损失函数；
4)通过训练使损失函数收敛，训练后的卷积神经网络即可作为视觉SLAM系统的关键点提取器进行使用。


2.根据权利要求1所述的一种视觉SLAM系统的关键点提取器生成方法，其特征在于：在步骤1)中，所述自监督框架是指在不需要人为标注的情况下，利用合成图像数据和现实图像数据进行基础卷积神经网络的训练，并使基础卷积神经网络能够从图像中提取出关键点集；所述虚假关键点集是指利用基础卷积神经网络从图像中提取出的关键点集；获取的关键点集为二维坐标点的集合，每个二维坐标点的横坐标的值在零到图像的宽之间，纵坐标的值在零到图像的高之间。


3.根据权利要求1所述的一种视觉SLAM系统的关键点提取器生成方法，其特征在于：在步骤2)中，利用虚假关键点集和光流算法来计算相邻两帧图像之间好的匹配点集和坏的匹配点集，包括以下步骤：
2.1)使用光流算法计算第一帧图像中每一个虚假关键点在第二帧图像中的位置：
K2＝F(I1,I2,K1)
式中，K1表示第一帧图像的虚假关键点集，I1为第一帧图像，I2为第二帧图像，F(I1,I2,K1)为光流算法，K2表示经过光流算法计算后得到的第二帧图像的虚假关键点集；其中：






式中，n为虚假关键点的个数，为第一帧的第i个虚假关键点，为第二帧的第i个虚假关键点，i∈{1,2,...,n}；
2.2)使用逆光流算法计算第二帧图像中每一个虚假关键点在第一帧图像中的位置：



式中，F-1(I1,I2,K2)为逆光流算法，表示经过逆光流算法计算后得到的第一帧图像的逆虚假关键点集；其中：



式中，n为逆虚假关键点的个数，为第一帧的第i个逆虚假关键点，i∈{1,2,...,n}；
2.3)计算第一帧图像中虚假关键点集和逆虚假关键点集的误差集：


<...

【专利技术属性】
技术研发人员：尹梦晓，覃子轩，林振峰，杨锋，
申请(专利权)人：广西大学，
类型：发明
国别省市：广西;45