【技术实现步骤摘要】
一种基于Kinect相机的V-SLAM位姿估算方法
本专利技术涉及计算机视觉技术，尤其涉及一种基于Kinect相机的V-SLAM位姿估算方法。
技术介绍
SLAM(同时定位和地图构建)技术广泛应用于移动机器人领域、无人驾驶和无人机等领域，其作用是使移动机器人等在未知环境中进行环境探索，并同时构建相应的环境地图，提高机器人的智能化水平。随着视觉传感器的不断发展，视觉SLAM也逐渐兴起，其中Kinect视觉传感器因为其包含环境信息丰富、精度高和直接测量深度等特点，被广泛应用于移动机器机器人。V-SLAM主要分为前端视觉里程计部分和后端优化两部分。视觉里程计的作用是用来估算相邻两帧之间相机的运动，确定相机的位姿，以特征点来估算相机位姿则一直是视觉里程计的主流方法，而相机相邻两帧之间匹配效率低、精度低等情况，会影响相机位姿估算，从而会直接影响机器人的定位和地图构建的准确性和性能。本专利技术在基于Kinect相机的基础下针对ORB算法匹配效率低和精度低等问题，对ORB算法中的配准过程进行改进，以提高算法的效率和精度。专...
【技术保护点】
1.一种基于Kinect相机的V-SLAM位姿估算方法，其特征在于，包括以下步骤：/n1)通过Kinect采集图像信息，获取彩色图像和深度图像，并且进行彩色图像和深度图像配准，获取三维点云数据；/n2)采用改进的FAST对采集的相邻的两帧彩色图像进行特征点检测，并且计算描述子；/n所述采用改进的FAST进行特征点检测，具体如下：/n2.1)根据彩色图像的灰度值来设定自适应FAST阈值，设图像上(x
【技术特征摘要】
1.一种基于Kinect相机的V-SLAM位姿估算方法，其特征在于，包括以下步骤：
1)通过Kinect采集图像信息，获取彩色图像和深度图像，并且进行彩色图像和深度图像配准，获取三维点云数据；
2)采用改进的FAST对采集的相邻的两帧彩色图像进行特征点检测，并且计算描述子；
所述采用改进的FAST进行特征点检测，具体如下：
2.1)根据彩色图像的灰度值来设定自适应FAST阈值，设图像上(x0,y0)点为候选特征点，以(x0,y0)为中心取方形区域的边长为L，定义自适应阈值为s,计算如下：
其中，Imax和Imin分别代表方形区域L中最大的n个灰度值和最小的n个灰度值，Iarer为方形区域L的灰度平均值，a为比例系数；
2.2)利用阈值s进行特征点检测的判定，确定特征点候选点；
2.3)对检测到的特征点候选点进行非极大值抑制，筛选出来的点作为最后进行匹配的特征点；
3)利用FLANN方法对相邻的两帧彩色图进行特征匹配，得到特征匹配对；
4)对步骤3)中的匹配对剔除误匹配；
5)利用步骤4)中精准匹配对求解位姿。
2.根据权利要求1所述的基于Kinect相机的V-SLAM位姿估算方法，其特征在于，所述步骤1)中彩色图像和深度图像配准获取三维点云数据，具体如下：
利用张正友标定法对相机进行标定和配准，获取相机的内参矩阵；
结合相机内参矩阵，利用针孔模型将二维像素点转化为对应的三维坐标点，设一个图像特征点的像素坐标(u，v)和相机的测量深度d，求得特征点在三维空间的位置坐标(x，y，z)。
3.根据权利要求1所述的基于Kinect相机的V-SLAM位姿估算方法，其特征在于，所述步骤1)中彩色图像和深度图像配准，具体如下：
步骤1.1)先测量彩色图像和深度图像上同一边长的比例；
步骤1.2)利用OpenCV中的函数按照步骤1.1)中的比例将两幅图调整为同样大小的尺寸；
步骤1.3)去掉边缘区域，保留中心位置中配准好的矩形区域，即完成深度图和彩色图的配准。
4.根据权利要求1所述的基于Kinect相机的V-SLAM位姿估算方法，其特征在于，所述步骤2.2)中利用阈值s进行特征点检测的判定，确定特征点候选点，具体如下：
在图像中选取像素点p作为中心像素，Ip代表像素中心强度，检测周围的16个像素，Ix代表周围像素的强度，首先比较第1和第9个...
【专利技术属性】
技术研发人员：吴怀宇，张天宇，陈洋，郑秀娟，李琳，李想成，
申请(专利权)人：武汉科技大学，
类型：发明
国别省市：湖北;42
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。