一种基于特征点法的清洁机器人视觉SLAM系统技术方案

本发明专利技术涉及计算机视觉技术领域，具体涉及一种基于特征点法的清洁机器人视觉SLAM系统，包括视觉特征提取模块、特征匹配模块、相机位姿估计模块、回环检测模块和动态避障模块；视觉特征提取模块采用SOJK算法结合高斯滤波函数用于提取相机拍摄图像的图像特征点；利用卷积神经网络结构进行视觉特征的提取和匹配，以EPnP算法和Gauss

【技术实现步骤摘要】
一种基于特征点法的清洁机器人视觉SLAM系统


[0001]本专利技术涉及计算机视觉
，尤其涉及一种基于特征点法的清洁机器人视觉SLAM系统。

技术介绍

[0002]近年来，SLAM(Simultaneous LocalizationAnd Mapping)即同步定位与建图技术，在清洁机器人上发挥了至关重要的作用，视觉SLAM系统根据提取信息方式的不同可以将其分为基于特征点法和直接法的视觉SLAM系统，现有的基于特征点法的视觉SLAM系统追踪的特征点较少，导致会有较大的累计误差，局部建图的精准性、SLAM系统的精度和鲁棒性不够优秀，不能广泛运用。

技术实现思路

[0003]本专利技术的目的在于提供一种基于特征点法的清洁机器人视觉SLAM系统，旨在解决现有的视觉SLAM系统累计误差大、定位精准性不足的问题。
[0004]为实现上述目的，本专利技术提供了一种基于特征点法的清洁机器人视觉SLAM系统，包括视觉特征提取模块、特征匹配模块、相机位姿估计模块、回环检测模块和动态避障模块；
[0005]所述视觉特征提取模块、所述特征匹配模块、所述相机位姿估计模块、所述回环检测模块和所述动态避障模块依次连接；
[0006]所述视觉特征提取模块用于提取相机拍摄图像的图像特征点；
[0007]所述特征匹配模块用于对所述图像特征点进行特征匹配，得到两张图像上的匹配结果；
[0008]所述相机位姿估计模块用于根据所述匹配点估计相机位姿；
[0009]所述回环检测模块用于进行回环检测，根据回环信息对相机位姿进行纠正，得到全局一致的姿态估计；
[0010]所述动态避障模块用于规划移动路径。
[0011]其中，所述动态避障模块包括全局规划单元和局部规划单元；所述全局规划单元和所述局部规划单元连接；
[0012]所述全局规划单元用于规划全局移动路径；
[0013]所述局部规划单元用于基于所述全局移动路径，规划局部移动路径。
[0014]其中，所述视觉特征提取模块采用卷积神经网络结构提取图像特征点。
[0015]其中，所述特征匹配模块采用ORB算法提取相机拍摄图像的图像特征点。
[0016]其中，所述相机位姿估计模块采用PnP算法求解相机位姿。
[0017]本专利技术的一种基于特征点法的清洁机器人视觉SLAM系统，利用卷积神经网络结构进行视觉特征的提取和匹配，以EPnP算法和Gauss
‑
NewtonBA求解方法进行位姿估计与局部优化；采用位姿图方法进行全局BA优化；利用DBoW3执行基于字典模型的回环检测，根据图
像间向量的差异来描述图像间的相似性，保证视觉里程计追踪轨迹的精准性，SLAM系统根据视觉里程计数据生成融合位姿，提高导航与定位数据的可靠性。DWA算法通过不断更新局部地图和代价，保证局部避障的精准性，与A*算法相结合，实现全局最优路径的评价与规划，模拟其下一步移动可能趋于的方向，从而使全向移动机器人在运动过程中顺利避开障碍物，增强其稳定性和安全性，使得整个系统更加稳定可靠。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1是本专利技术的一种基于特征点法的清洁机器人视觉SLAM系统的结构示意图。
[0020]1‑
视觉特征提取模块、2
‑
特征匹配模块、3
‑
相机位姿估计模块、4
‑
回环检测模块、5
‑
动态避障模块、51
‑
全局规划单元、52
‑
局部规划单元。
具体实施方式
[0021]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。
[0022]请参阅图1，本专利技术提供一种基于特征点法的清洁机器人视觉SLAM系统：包括视觉特征提取模块1、特征匹配模块2、相机位姿估计模块3、回环检测模块4和动态避障模块5；
[0023]所述视觉特征提取模块1、所述特征匹配模块2、所述相机位姿估计模块3、所述回环检测模块4和所述动态避障模块5依次连接；
[0024]所述视觉特征提取模块1用于提取相机拍摄图像的图像特征点；
[0025]所述特征匹配模块2用于对所述图像特征点进行特征匹配，得到两张图像上的匹配结果；
[0026]所述相机位姿估计模块3用于根据所述匹配点估计相机位姿；
[0027]所述回环检测模块4用于进行回环检测，根据回环信息对相机位姿进行纠正，得到全局一致的姿态估计；
[0028]所述动态避障模块5用于规划移动路径。
[0029]在本实施方式中，所述视觉特征提取模块1引入全卷积神经网络，利用SOJKA算法添加一个过滤器，计算图像上点到灰度值边缘(多边形的边)的距离，并使用高斯滤波函数进行对灰度边缘进行处理，将距离大于阈值的区域排除，以此排除在提取边或者角点上的特征点时非多边形角点以外像素的干扰，在光线变化以及视角差异下依然可以很好的获取图像特征点，有效的解决由于特征点匹配度不足导致的里程累积误差较大问题，同时机器人环境适配度更高。
[0030]所述特征匹配模块2采用ORB算法提取相机拍摄图像的图像特征点，ORB中BIREF描述子本身是一组二进制编码，BRIEF能够显著加速匹配过程；所述相机位姿估计模块3采用PnP算法求解相机位姿，PnP根据已知n个3D点及其在像素坐标中的投影位置，来对相机位姿
进行估计，用BA的方法进行求解，通过构建投影点与匹配点之间的误差函数，以此作为目标进行非线性优化；ORB全称为Oriented FAST and Rotated BRIEF，结合了FAST角点和BRIEF描述子两个元素；已有匹配点的情况下，还需要对相机的运动进行估计，PnP负责完成将一对3D点向2D坐标进行运动估计，求解方法使用BA方法，其是一种非线性优化方法，算法通过构建最小二乘问题进行迭代求解位置投影的最小误差；BA的目标是：在已知n个三维空间点P及其投影p的情况下，计算相机的位姿R,t。对于P
i
＝[X
i
,Y
i
,Z
i
]T
及其投影像素u
i
＝[u
i
,v
i
,1]T
，满足如下关系：
[0031]su
i
＝KTP
i
[0032]投影误差：
[0033]T是相机位姿R,t的李群表示。BA中的投影关系与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征点法的清洁机器人视觉SLAM系统，其特征在于，包括视觉特征提取模块、特征匹配模块、相机位姿估计模块、回环检测模块和动态避障模块；所述视觉特征提取模块、所述特征匹配模块、所述相机位姿估计模块、所述回环检测模块和所述动态避障模块依次连接；所述视觉特征提取模块提取相机拍摄图像的图像特征点；所述特征匹配模块用于对所述图像特征点进行特征匹配，得到两张图像上的匹配结果；所述相机位姿估计模块用于根据所述匹配点估计相机位姿；所述回环检测模块用于进行回环检测，根据回环信息对相机位姿进行纠正，得到全局一致的姿态估计；所述动态避障模块用于规划移动路径。2.如权利要求1所述的一种基于特征点法的清洁机器人视觉SLAM系统...

【专利技术属性】
技术研发人员：施海波，丑小康，陈佳，
申请(专利权)人：南京特沃斯高科技有限公司，
类型：发明
国别省市：