【技术实现步骤摘要】
基于顶视点线特征融合的单目相机视觉里程计初始化方法
[0001]本专利技术涉及定位信息领域，尤其是涉及一种基于顶视点线特征融合的单目相机视觉里程计初始化方法。
技术介绍
[0002]定位技术是室内服务机器人工作的一项核心技术，准确的定位信息是机器人进行各项任务的基础，研究面向室内如餐厅、医院和车站等场景稳定的定位技术具有重要意义和应用价值。目前，通常利用SLAM算法处理来自各种内部传感器和外部传感器数据获得定位信息，常用的传感器有雷达和相机等，虽然基于雷达和相机的方法都得了广泛而持久的研究，但是距离大规模部署和应用还有一定距离，在实际复杂和动态的环境还存在许多挑战，例如上述场景存在大量运动目标，会严重干扰定位算法的正常工作。针对这种场景，对顶视天花板进行观测可以很好避免运动目标的干扰，对比雷达和视觉传感器特性，视觉由于其可以获得稳定的顶视纹理及结构化特征如网格状装饰物，烟雾报警器等，是一种成本较低，前景广阔的方案。
[0003]采用相机的SLAM算法分为视觉里程计，后端优化，回环检测等部分，视觉里程计就是利用相机获得...
【技术保护点】
【技术特征摘要】
1.一种基于顶视点线特征融合的单目相机视觉里程计初始化方法，其特征在于，该方法包括以下步骤：步骤1：采用单目相机获取网格天花板中具有设定重叠度的序列影像，称为左右影像，对左右影像进行降采样处理，得到降采样影像，并形成影像金字塔；步骤2：同时在降采样影像上对左右影像进行大尺度线特征提取和多尺度点特征提取；步骤3：进行多级点线融合特征匹配，获取稳定的底层特征点匹配结果；步骤4：根据底层特征点匹配结果进行单目初始化。2.根据权利要求1所述的一种基于顶视点线特征融合的单目相机视觉里程计初始化方法，其特征在于，所述的步骤2中，并行在降采样影像上对左右影像进行大尺度线特征提取和多尺度点特征提取的过程具体包括以下步骤：步骤201：采用LSD算法在降采样影像上提取线段，对每个线段的线段支撑区域和线段端点对应区域分别进行区域增长，得到显著角点预测区域、边缘点预测区域和一般点预测区域的掩膜图像；步骤202：对于单张影像提取的线段，按照设定的角度分辨率间隔b计算其长度加权的方向直方图，并将其归一化；步骤203：同时在原始影像上采用FAST算子提取底层特征，将影像划分为均匀大小的格网，格网采用左上角坐标和宽长描述：(X,Y,W,H)，采用FAST算子在每一个格网内部提取特征点，即FAST角点，并分配给所在格网，若没有提取到特征点，则降低FAST阈值再次提取；步骤204：统计格网内在使用第一次FAST算子提取的特征点数目，取出一定格网范围(X1,Y1,X2,Y2)内FAST特征点数目最大的格网，同时结合掩膜图像，认为该格网和线段端点的区域内存在大尺度特征点，在降采样影像上对应区域采用多尺度探测方法提取大尺度空间下的显著特征点，即大尺度角点；步骤205：计算点线特征的描述符。3.根据权利要求2所述的一种基于顶视点线特征融合的单目相机视觉里程计初始化方法，其特征在于，所述的步骤205中，计算点线特征的描述符具体为：对于线段特征，计算线段描述符；对于大尺度角点特征，搜索大尺度角点周围的线段，计算线段方向，并形成方向直方图，选取局部主方向，依照局部主方向旋转大尺度角点周围设定邻域内的像素块，并计算特征点描述符。4.根据权利要求1所述的一种基于顶视点线特征融合的单目相机视觉里程计初始化方法，其特征在于，所述的步骤3中，进行多级点线融合特征匹配的过程具体包括以下步骤：步骤301：获取左右影像旋转角步骤302：对大尺度点线特征进行匹配，以得到左右影像在不同区域下的近似平移旋转变换关系；步骤303：在大尺度点线特征的预匹配基础上，匹配左右影像的底层特征。5.根据权利要求4所述的一种基于顶视点线特征融合的单目相机视觉里程计初始化方法，其特征在于，所述的步骤301中，获取左右影像旋转角的过程具体包括以下步骤：步骤301A：首先计算左右影像的近似旋转角；
步骤301B：对右影像方向直方图施加角度偏移量a(a＝b)，计算与左影像方向直方图的匹配分数y，得到匹配序列((a1,y1),(a2,y2)...)；步骤301C：对步骤301B获取的匹配序列进行曲线拟合，得到匹配分数y与角度偏移量a之间的近似函...
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。