【技术实现步骤摘要】
一种基于RGB-D相机结合平面检测与随机抽样一致算法的优化ORB算法
本专利技术是一种基于RGB-D相机结合平面检测与随机抽样一致算法的优化ORB算法，属于室内移动机器人路径规划导航
技术介绍
近年来，智能移动机器人技术得到迅速发展，已广泛应用于工业、军事、物流、办公和家庭服务等领域。随着RGB-D传感器的出现，采用RGB-D传感器进行移动机器人定位或SLAM的研究迅速发展起来。图像处理和点云处理等相关技术的进步，以及RGB-D传感器具有获取信息丰富、非接触测量、易安装使用和成本低廉等优点，使得RGB-D传感器被广泛地应用于目标识别、跟踪等领域。机器人导航问题中的第一问题就是如何确定场景模型，在过去的十几年里，许多解决方案都依赖于二维传感器如激光、雷达等进行地图的构建以及机器人位姿估计。随着RGB-D相机的问世，越来越多的研究人员开始关注使用RGB-D相机来解决机器人室内环境模型构建的问题，并且产生了很多有有影响力的研究成果。在目前，视觉SLAM技术逐渐成为一种主流的定位方案，然而单目SLAM无法从...
【技术保护点】
1.一种基于RGB-D相机结合平面检测与随机抽样一致算法的优化ORB算法，其特征在于，该方法包括以下步骤：/nS1：使用RGB-D相机获取图像数据，图像数据包括彩色图像与深度图像；/nS2：使用ORB算法对图像数据进行特征点提取，使用特征点均匀性评价方法判断特征点分布均匀性；/nS3：对于特征点分布均匀的图像数据部分，生成点云并且对其进行降采样；/nS4：对降采样后的点云进行平面检测提取，使用随机抽样一致算法消除误匹配；/nS5：对于特征点分布不均匀的图像数据部分，使用设置阈值进行特征点提取与非极大值抑制法剔除重叠特征点；/nS6：对于S4消除误匹配后的点云以及S5剔除重叠...
【技术特征摘要】
1.一种基于RGB-D相机结合平面检测与随机抽样一致算法的优化ORB算法，其特征在于，该方法包括以下步骤：
S1：使用RGB-D相机获取图像数据，图像数据包括彩色图像与深度图像；
S2：使用ORB算法对图像数据进行特征点提取，使用特征点均匀性评价方法判断特征点分布均匀性；
S3：对于特征点分布均匀的图像数据部分，生成点云并且对其进行降采样；
S4：对降采样后的点云进行平面检测提取，使用随机抽样一致算法消除误匹配；
S5：对于特征点分布不均匀的图像数据部分，使用设置阈值进行特征点提取与非极大值抑制法剔除重叠特征点；
S6：对于S4消除误匹配后的点云以及S5剔除重叠特征点后的特征点，投影回二维图像平面，重建并使灰度图像均衡化。
2.根据权利要求1所述的一种基于RGB-D相机结合平面检测与随机抽样一致算法的优化ORB算法，其特征在于，S1中，RGB-D相机包括Kinect相机。
3.根据权利要求1所述的一种基于RGB-D相机结合平面检测与随机抽样一致算法的优化ORB算法，其特征在于，S2具体包括以下步骤：
S21：使用特征点提取OrientedFAST算法，判别特征点x是否是一个特征点，当判断特征点x是一个特征点时，计算该特征点主方向，并命名该特征点为关键点，使关键点具有方向性；
判别特征点x是否是一个特征点的方法为：以特征点x为中心画圆，该圆过n个像素点，设在圆周上的n个像素点中是否最少有m个连续的像素点与特征点x之间的距离满足均比lx+t大，或者均比lx-t小，如果满足这样的要求，则判断特征点x是一个特征点；其中，lx代表特征点x与圆上的像素点之间的距离；l代表距离；t代表阈值，是范围的调节量；n＝16；9≤m≤12；
S22：使用特征点描述rBRIEF算法，对图像数据进行高斯平滑处理，以关键点为中心，在邻域内挑选像素点y，并组成n个点对(xi，yi)，I(x，y)相互比较灰度值，I代表灰度值，x>y取1，反之取0，生成n维特征描述符，将n个点对(xi，yi)定义为2*n矩阵S，
利用θ对S进行旋转，
Sθ＝RθS(2)
式(2)中，Sθ代表旋转角度为θ的矩阵，θ为沿特征点主方向旋转θ角度；
邻域为以该关键点为中心过k个像素点的圆内选择像素点y；其中，0<k<n；
S23：特征点分布均匀性评价方法，通过不同划分方式将图像数据进行分割，分割后获得特征点分布均匀的图像数据部分和特征点分布不均匀的图像数据部分。
4.根据权利要求3所述的一种基于RGB-D相机结合平面检测与随机抽样一致算法的优化ORB算法，其特征在于，特征点分布均匀性评价方法为：首先将图像数据初步分割成若干子区域Si，对每个子区域Si再次分割成若干二级子区域Sij，...
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。