基于动态特征点匹配方法的室内环境DFPM-SLAM系统的实现方法技术方案

本发明专利技术是一种基于动态特征点匹配方法的室内环境DFPM

【技术实现步骤摘要】
基于动态特征点匹配方法的室内环境DFPM
‑
SLAM系统的实现方法


[0001]本专利技术属于室内语义SLAM(Simultaneous Localization and Mapping，同步定位与地图构建)
，具体涉及构建一种基于动态特征点匹配(Dynamic Feature Point Match，DFPM)方法的室内动态环境实时语义建图系统，简称DFPM
‑
SLAM系统。

技术介绍

[0002]机器人要实现真正意义上的自主运动，需要具备一定的环境感知与理解能力，体现在机器人能够自主完成对周围环境的构建，同时能够在已建环境地图中获取相对位置。准确定位需要精准的地图，而建立精准的地图又需要机器人自身准确的位置信息，即SLAM技术。随着SLAM技术的不断发展，现已由传统SLAM方法发展为基于不同相机的视觉SLAM(V
‑
SLAM)系统。不过，普通V
‑
SLAM系统在非静态复杂环境下存在动/静态对象判断不准确而导致动态特征点跟踪丢失、跟踪误差较大等问题。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态特征点匹配方法的室内环境DFPM
‑
SLAM系统的实现方法，其特征在于，所述方法基于ORB
‑
SLAM3框架实现室内环境DFPM
‑
SLAM系统，包括如下步骤：步骤一，在跟踪子系统中加入关键帧评分选择机制模块选取关键帧；所述的关键帧评分选择机制模块，首先根据设置的三项准则：包含的特征点数量、图像的旋转偏移度以及与最近关键帧的相隔帧数量，对输入图像序列的每帧图像进行评分，然后对三种评分归一化加权求和，与预先设置的阈值比较，选取关键帧；步骤二，设置MR
‑
DFPM子系统生成关键帧的动/静态点标记图；所述的MR
‑
DFPM子系统用于：(1)首先，采用Mask
‑
R
‑
CNN深度学习网络对关键帧图像进行语义分割，赋予物体语义信息标签，由不同对象经语义分割得到的类别置信度获得切换概率；(2)其次，利用模糊逻辑中的隶属度概念，将处于分割边缘区域的特征点根据切换概率的大小分为三类：动态点、静态点与模糊动/静态点；(3)然后，采用卡尔曼滤波方法对模糊动/静态点的切换概率进行更新，以明确特征点是动态点还是静态点；步骤三，MR
‑
DFPM子系统将关键帧的动/静态点标记图返回给跟踪子系统，跟踪子系统将其中的动态特征点进行剔除。2.根据权利要求1所述的方法，其特征在于，所述的步骤一中，关键帧评分选择机制模块中设置如下三个准则及评分方式来筛选关键帧准则：(1)设置准则1：关键帧应保证图像清晰稳定且具有足够多的显著特征点；根据准则1对第i帧图像评分的方式是：设置关键帧所包含的特征点个数阈值N
T
，若图像包含的特征点个数小于N
T
，则该图像根据准则1的得分为零，否则，得分为N
i
/N
T
，N
i
为第i帧图像包含的特征点个数；(2)设置准则2：相邻关键帧之间特征点的不同应能反映相机位姿发生显著的旋转变化；根据准则2对第i帧图像评分的方式是：通过视觉里程计，获取第i帧图像与第i
‑
1帧图像的匹配特征点对，计算旋转偏移量计算最近关键帧的旋转偏移量则当小于时，第i帧图像根据准则2的得分为零，否则，得分为(3)设置准则3：相邻关键帧之间应相隔一定数量的图像帧；根据准则3对第i帧图像评分的方式是：分别获取第i帧图像与最近关键帧在输入图像序列中的序号i...

【专利技术属性】
技术研发人员：连晓峰，徐晨星，谭励，李林，朱嘉逸，
申请(专利权)人：北京工商大学，
类型：发明
国别省市：