轨迹实例级分割和多运动视觉里程测量方法及系统技术方案

本发明专利技术属于机器人领域，提供了一种轨迹实例级分割和多运动视觉里程测量方法及系统。其中，该方法包括获取机器人周围环境图像序列及每帧图像的特征点；基于图像特征点的位置变化构建出特征点轨迹特征；基于特征点轨迹特征对轨迹进行动静态分割，为每个动态轨迹额外输出一个实例编码，进而在动态轨迹中对不同运动物体进行分离；将实例分割结果与动态实例地图进行匹配，并剔除实例分割结果中的异常值，进而计算出运动实例的姿态及相机里程计。计算出运动实例的姿态及相机里程计。计算出运动实例的姿态及相机里程计。

【技术实现步骤摘要】
轨迹实例级分割和多运动视觉里程测量方法及系统


[0001]本专利技术属于机器人领域，尤其涉及一种轨迹实例级分割和多运动视觉里程测量方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]SLAM(simultaneous localization and mapping)是机器人在未知环境感知自身运动、建立环境模型的关键技术。为应对环境的动态变化，研究者在传统SLAM前端视觉里程计(Visual Odometry,VO)中加入了运动分割模块，对SLAM过程产生的特征点轨迹进行运动一致性聚类，分类属于不同运动刚体的特征点。并基于此提出了多运动视觉里程计(multi
‑
motion visual odometry，MVO)，用于在完成SLAM任务的同时，对环境中存在的多个刚体实例进行运动估计。
[0004]为解决环境中刚体的运动分割问题，当前state
‑
of
‑
art的MVO方法通常有两种：基于图像语义的检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨迹实例级分割和多运动视觉里程测量方法，其特征在于，包括：获取机器人周围环境图像序列及每帧图像的特征点；基于图像特征点的位置变化构建出特征点轨迹特征；基于特征点轨迹特征对轨迹进行动静态分割，为每个动态轨迹额外输出一个实例编码，进而在动态轨迹中对不同运动物体进行分离；将实例分割结果与动态实例地图进行匹配，并剔除实例分割结果中的异常值，进而计算出运动实例的姿态及相机里程计。2.如权利要求1所述的轨迹实例级分割和多运动视觉里程测量方法，其特征在于，基于特征点轨迹特征及有监督动态轨迹分割模型对轨迹进行动静态分割及实例编码。3.如权利要求2所述的轨迹实例级分割和多运动视觉里程测量方法，其特征在于，所述有监督动态轨迹分割模型包括主干网络、第一子网络和第二子网络，所述主干网络用于聚合轨迹的特征，第一子网络用于轨迹的动静态分类，第二子网络用于为每条特征轨迹额外回归用于实例分割的特征编码，并使用语义分割对实例分割编码进行优化。4.如权利要求1所述的轨迹实例级分割和多运动视觉里程测量方法，其特征在于，所述特征点轨迹特征包括基础特征、归一化特征、一阶差分特征和二阶差分特征。5.如权利要求1所述的轨迹实例级分割和多运动视觉里程测量方法，其特征在于，所述基础特征包括特征点的像素坐标、空间坐标和RGB色彩；或使用最新一帧中的特征点特征与特征轨迹中的所有的特征点特征做差，构建轨迹在时间维度上的归一化特征；或使用轨迹特征在时...

【专利技术属性】
技术研发人员：周风余，顾潘龙，延晓辉，尹磊，万方，夏英翔，
申请(专利权)人：山东大学，
类型：发明
国别省市：