一种基于滑动窗口的SLAM局部实时重定位方法技术

本发明专利技术公开了一种基于滑动窗口的SLAM局部实时重定位方法，通过维护一个固定大小的滑动窗口，使用Laplacian算子计算图像的归一化清晰度，在保证图像清晰度的前提下将通过关键帧筛选的图像送入滑动窗口中，并基于感知哈希算子融合灰度直方图计算对应图像的相似性描述算子。当视觉前端由于相机的运动模糊或镜头遮挡导致跟踪中断后，在现存的滑动窗口中选择与当前最新帧最相似的一帧作为重定位候选帧；通过再次匹配，将候选帧基于补充视觉约束实现局部实时重定位。通过该方法可以避免依赖于回环检测和校正模块的计算延迟，有效快速地解决相机在局部晃动或遮挡工况下的失去定位能力的问题，适用于运动状态不稳定的移动定位设备。备。备。

A local real-time relocation method of SLAM Based on sliding window

【技术实现步骤摘要】
一种基于滑动窗口的SLAM局部实时重定位方法


[0001]本专利技术属于视觉同时定位与地图构建领域，涉及计算机视觉与非线性优化理论，可用于机器人定位导航以及虚拟现实、增强现实等场景。

技术介绍

[0002]SLAM(Simultaneous Localization and Mapping)即同步定位与地图构建技术，指的是搭载特定的传感器(视觉、激光、超声波等)，在没有环境先验信息的情况下，通过主动对环境进行探索建立环境模型，同时估计自身的位姿和运动状态的技术。目前的SLAM技术根据用来获取外界信息的传感器类型的不同大体可以分为激光雷达和视觉方案。随着计算机视觉的发展，研究人员发现依靠视觉传感器的视觉SLAM更加符合人类观察和感知世界的习惯，同时也能获得更加丰富的纹理信息。同时，由于单一的某种传感器的缺陷，近年来，多传感器融合的SLAM方案——视觉惯性融合方案成为了研究和应用的热点。
[0003]在基于视觉传感器的SLAM方案中，相比于基于特征点和特征描述子匹配的视觉跟踪方法，基于KLT(Kanade
–r/>Lucas...

【技术保护点】

【技术特征摘要】
1.一种基于滑动窗口的SLAM局部实时重定位方法，其特征在于，包括：提取和跟踪相机的运动或者镜头遮挡的图像特征；计算图像的清晰度和描述图像相似性；通过Laplacian算子计算候选帧的图像清晰度，动态维护一个固定大小的滑动窗口；筛选图像的关键帧；基于感知哈希算子融合灰度直方图的图像相似性，在现存的滑动窗口中选择与当前最新帧最相似的一帧作为重定位候选帧；通过再次匹配，将候选帧基于补充视觉约束实现局部实时重定位。2.根据权利要求1所述的一种基于滑动窗口的SLAM局部实时重定位方法，其特征在于，所述提取和跟踪相机的运动或者镜头遮挡的图像特征，包括：检查是否存在从上一帧成功跟踪到当前帧的特征点，如果有n个点，则将成功跟踪到的n个点对应的id值的跟踪次数加1；基于随机抽样一致性方法剔除错误匹配的外点，并更新n的数值；如果上一帧成功跟踪到的特征点数n小于每帧目标特征点数m，使用shi
‑
Tomasi角点检测器在成功跟踪到的n个点以外的范围补充提取(m
‑
n)个新的特征点。3.根据权利要求1所述的一种基于滑动窗口的SLAM局部实时重定位方法，其特征在于，所述计算图像的清晰度和描述图像相似性，包括：根据Laplacian算子计算图像梯度的梯度方差，作为后续判断关键帧的筛选依据之一；计算图像的感知哈希算子，作为后续判断图像相似性的依据之一；计算图像的归一化灰度直方图，作为后续判断图像相似性的依据之一。4.根据权利要求3所述的一种基于滑动窗口的SLAM局部实时重定位方法，其特征在于，所述Laplacian算子计算图像梯度的梯度方差，对于单通道图像，使用以kernel为卷积核的Laplacian算子的，计算响应的方差，如果方差大于一定阈值，则认为是清晰的图像；反之，则判定为模糊图像。5.根据权利要求3所述的一种基于滑动窗口的SLAM局部实时重定位方法，其特征在于，所述计算图像的感知哈希算子，包括：缩小图片的尺寸，去除由于图片的尺寸和比例带来的差异，快速去除高频和细节差异，仅保留图片的基本结构；如果是彩色图像，则转换为灰度图像；进行DCT离散余弦变换；计算变换后图像的64个像素的均值；将64个像素灰度值依次与step4中计算得到的均值比较大小，如果灰度值大于均值，则记为1；反之，则记为0；生成64位由0、1组成的哈希描述子。6.根据权利要求1所述的一种基于滑动窗口的SLAM局部实时重定位方法，其特征在于，所述动态维护一个固定大小的滑动窗口，包括：设置一个编号0～k
‑
...

【专利技术属性】
技术研发人员：杨树明，朱圣楠，张国锋，胡鹏宇，邓惠文，段宇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：