【技术实现步骤摘要】
一种基于AdaLAM算法的视觉SLAM方法
[0001]本专利技术涉及计算机视觉和移动机器人定位
，特别涉及一种基于AdaLAM算法的视觉SLAM方法。
技术介绍
[0002]机器人如何在无法借助其他定位系统(如全球定位系统)的情况下，对未知环境进行探测与地图构建具有重要的现实意义，例如灾难现场、深空探测、甚至水下或战场环境等。视觉同时定位与建图(Visual Simultaneous Localization and Mapping，VSLAM)技术为此提供了一种有效手段，也成为了自主机器人的研究热点问题之一。
[0003]VSLAM问题可以描述为：机器人在没有先验信息的条件下，以初始状态为位姿坐标起点，通过搭载的视觉传感器对外部环境进行探测，并结合自身初始位姿的估计值进行后续运动状态的计算，最后根据任务要求建立相应的全局环境地图。
[0004]然而基于特征点的传统VSLAM算法在特征提取与匹配环节存在准确度低、鲁棒性低且时延高等问题，经常出现误提取、误匹配，使得VSLAM技术不能完成精准定位，特别是...
【技术保护点】
【技术特征摘要】
1.一种基于AdaLAM算法的视觉SLAM方法，其特征在于，包括以下步骤：步骤A：通过相机采集视频或图像；步骤B：计算机对图像进行读取，并对图像的大小和分辨率预处理以满足后期的图像处理；步骤C：利用AdaLAM算法对图像中的特征进行提取并进行匹配；步骤D：利用PnP算法对相机运动位姿进行求解；步骤E：将计算结果交给g2o进行非线性优化；步骤F：根据优化结果建立环境稀疏地图；步骤G：回环检测贯穿于整个过程中。2.根据权利要求1所述的一种基于AdaLAM算法的视觉SLAM方法，其特征在于，步骤A中通过单目RGB相机进行采集信号，若采集的是视频素材，则将其分解为图像帧的形式来处理。3.根据权利要求1所述的一种基于AdaLAM算法的视觉SLAM方法，其特征在于，步骤B中先将RGB图像转换为灰度图像，再将图像分辨率调整为640
×
480。4.根据权利要求1所述的一种基于AdaLAM算法的视觉SLAM方法，其特征在于，步骤C中利用AdaLAM算法对图像特征点进行提取和匹配的具体方法为：步骤C1：根据最近邻算法从相邻两帧图像之间找到所有初始匹配点集M；步骤C2：在初始匹配集M中挑选有限数量的置信度高且分布较好的匹配点作为种子点集步骤C3：分别以这些种子点为圆心设定圆形区域，在第i个邻域内寻找可以支持第i号种子点匹配的初始匹配点集集合N
i
中的匹配对必须满足以下约束关系：其中，任意匹配对(p1，p2)＝((x1，d1，σ1，α1)，(x2，d2，σ2，α2))∈M，x为点坐标，d为特征描述子，σ为尺度因子，α为缩放因子，α＝α2‑
α1为旋转变换角度，为尺度变换比例，为第i号种子点；步骤C4：基于局部仿射变换假设，使用RANSAC算法对最小点集采样，并迭代j次去拟合由第i号种子点S
i
得到的仿射矩阵然后滤除匹配集N
i
中置信度低的匹配对，匹配点对产生的残差为：并将残差集合R内的r
k
映射为置信度c
k
：
其中，正样本计数P＝|l：r
i
≤r
k
|为假定匹配点k是最差内点的内点数量，H
o
为具有均匀分布的外点对应关系的假设，为P在该假设下的期望，R2为在第二幅图像中的采样半径；当置信度大于设定阈值，表示该模型对该匹配关系拟合的较好，视该匹配被视为内点，否则为外点。5.根据权利要求4所述的一种基于AdaLAM算法的视觉SLAM方法，其特征在于，所述种子点选取的具体方法为：将检比法得到的最优次优比作为匹配点的匹配置信度，选择那些在半径内匹配置信度最大的点作为种子点，由于每个匹配点都是独立的，此时采用GPU对该过程进行并行加速。6.根据权利要求4所述的一种基于AdaLAM算法的视觉SLAM方法，其特征在于，所述利用RANS...
【专利技术属性】
技术研发人员：赵云，马向华，叶银忠，陈浩，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：
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。