特征点整合定位系统及特征点整合定位方法技术方案

本发明专利技术提供一种特征点整合定位系统及特征点整合定位方法，特征点整合定位系统包含移动体、影像输入源、分析模块以及定位模块。影像输入源用以拍摄环境以取得序列影像数据，序列影像数据包含多个影像。分析模块信号连接影像输入源以接收序列影像数据，分析模块包含机械视觉侦测单元、深度学习侦测单元及整合单元。机械视觉侦测单元依据各影像生成多个第一特征点，深度学习侦测单元依据各影像生成多个第二特征点，整合单元用以将第一特征点与第二特征点整合为整合特征点。定位模块接收各影像的整合特征点，以确认移动体于各时间点相对环境的位置。借此提升定位的稳定性。借此提升定位的稳定性。借此提升定位的稳定性。

【技术实现步骤摘要】
特征点整合定位系统及特征点整合定位方法


[0001]本专利技术是有关一种特征点整合定位系统及特征点整合定位方法，特别是指一种应用于影像SLAM的特征点整合定位系统及特征点整合定位方法。

技术介绍

[0002]同步定位与地图构建技术(Simultaneous Localization And Mapping；以下称SLAM)是指物体于移动过程中，感测周围环境的特征，以建立周围环境的地图，并同时定位物体本身与周围环境的关系。基于其可同时定位及构建地图的特性，近年来SLAM的需求增多，而被应用到室内自动停车、仓储物流管理以及手机展场导览等，其中因感测器成本，使得侦测影像为主的影像SLAM较侦测点云为主的光达SLAM在市场上被广泛使用。
[0003]对于影像SLAM而言，除定位精准度外，定位稳定性亦十分重要，习知的影像SLAM的最大问题即为稳定性不足，容易在进行定位的过程中丢失当下位置，或是有丢失后找回原位置的时间过长问题，特别是在环境变化剧烈的场景例如转弯处、光线变化处，有明显的位置丢失问题。此外，习知的影像SLAM于室外的定位精准度较差，容易受例如顺逆光等光线变化大处、道路转弯处或是不同车辆摆放造成的环境变异影响，而产生建图或定位的丢失。
[0004]有鉴于此，如何提升影像SLAM的定位稳定度，遂成相关业者努力的目标。

技术实现思路

[0005]为解决上述问题，本专利技术提供一种特征点整合定位系统与特征点整合定位方法，透过特征点的整合，可以有效提升定位稳定性。
[0006]依据本专利技术的一实施方式提供一种特征点整合定位系统，其包含一移动体、一影像输入源、一分析模块以及一定位模块。影像输入源设置于移动体并用以拍摄一环境以取得一序列影像数据，序列影像数据包含多个影像，前述多个影像与多个时间点一一对应。分析模块信号连接影像输入源以接收序列影像数据，分析模块包含一机械视觉侦测单元、一深度学习侦测单元及一整合单元。机械视觉侦测单元依据各影像生成属于各影像的多个第一特征点，深度学习侦测单元依据各影像生成属于各影像的多个第二特征点，整合单元用以将各影像的前述多个第一特征点与前述多个第二特征点整合为各影像的多个整合特征点。定位模块信号连接分析模块，定位模块接收各影像的前述多个整合特征点，以确认移动体于各时间点相对环境的一位置。
[0007]借此，透过深度学习侦测单元产生的第二特征点可以弥补第一特征点的不足，而能使定位更准确，并提升定位的稳定性。
[0008]依据前述实施方式的特征点整合定位系统的一实施例，其中，机械视觉侦测单元能以一ORB算法或一SIFT算法取得各影像的前述多个第一特征点。
[0009]依据前述实施方式的特征点整合定位系统的一实施例，可还包含一地图构建模块，其用以建置出环境的一地图。
[0010]依据前述实施方式的特征点整合定位系统的一实施例，其中，深度学习侦测单元
可事先经多个环境差异影像训练及匹配以建立一深度学习模型，并以深度学习模型判别前述多个第二特征点。
[0011]依据本专利技术的另一实施方式提供一种特征点整合定位方法，其包含一拍摄步骤、一分析步骤、一整合步骤以及一定位步骤。于拍摄步骤中，使一影像输入源拍摄一环境以取得一序列影像数据，序列影像数据包含多个影像，前述多个影像与多个时间点一一对应。于分析步骤中，使一机械视觉侦测单元依据各影像生成属于各影像的多个第一特征点，且使一深度学习侦测单元依据各影像生成属于各影像的多个第二特征点。于整合步骤中，使一整合单元将各影像的前述多个第一特征点与前述多个第二特征点整合为各影像的多个整合特征点。于定位步骤中，使一移动体依据各影像的前述多个整合特征点进行定位。
[0012]依据前述实施方式的特征点整合定位方法的一实施例，其中，于整合步骤中，可使整合单元以一立体几何模式对各影像的前述多个整合特征点求得一三维点群数据。
[0013]依据前述实施方式的特征点整合定位方法的一实施例，其中，于定位步骤中，可依各影像的前述多个整合特征点构建环境的一地图。
[0014]依据前述实施方式的特征点整合定位方法的一实施例，可还包含一事先匹配步骤，其包含以多个环境差异影像训练深度学习侦测单元，并建立深度学习侦测单元的一深度学习模型；使机械视觉侦测单元依据时间接续的二实验影像分别生成多个前帧第一实验特征点及多个后帧第一实验特征点，并使深度学习侦测单元以深度学习模型，对二实验影像分别生成多个前帧第二实验特征点及多个后帧第二实验特征点；使整合单元将前述多个前帧第一实验特征点与前述多个前帧第二实验特征点整合为多个前帧整合实验特征点，并将前述多个后帧第一实验特征点与前述多个后帧第二实验特征点整合为多个后帧整合实验特征点；以及使前述多个后帧整合实验特征点与前述多个前帧整合实验特征点进行匹配，以取得一相似度。其中，若相似度大于或等于一阈值，使深度学习模型于分析步骤中被深度学习侦测单元使用；若相似度低于阈值，重复事先匹配步骤，重新训练深度学习侦测单元，以建立深度学习侦测单元的另一深度学习模型，并更新前述多个后帧整合实验特征点及前述多个前帧整合实验特征点，以取得另一相似度。
[0015]依据前述实施方式的特征点整合定位方法的一实施例，其中，将前述多个后帧整合实验特征点与前述多个前帧整合实验特征点进行匹配时，可计算多个欧几里得距离。
[0016]依据前述实施方式的特征点整合定位方法的一实施例，其中，将前述多个后帧整合实验特征点与前述多个前帧整合实验特征点进行匹配时，可计算多个夹角。
[0017]依据前述实施方式的特征点整合定位方法的一实施例，其中，各环境差异影像中的多个物件可具有光线差异或位置差异。
附图说明
[0018]图1绘示依照本专利技术一实施例的一种特征点整合定位系统的方块示意图；
[0019]图2绘示图1实施例的机械视觉侦测单元生成影像的第一特征点的示意图；
[0020]图3绘示图1实施例的深度学习侦测单元生成影像的第二特征点的示意图；
[0021]图4绘示图1实施例的整合单元合成影像的整合特征点的示意图；
[0022]图5绘示图1实施例的特征点整合定位系统与一比较例的定位误差与时间关系图；
[0023]图6绘示依照本专利技术另一实施例的一种特征点整合定位方法的方块流程图；以及
[0024]图7绘示图6实施例的事先匹配步骤的流程图。
[0025]【符号说明】
[0026]100:特征点整合定位系统
[0027]110:移动体
[0028]120:影像输入源
[0029]130:分析模块
[0030]131:机械视觉侦测单元
[0031]132:深度学习侦测单元
[0032]133:整合单元
[0033]140:定位模块
[0034]150:地图构建模块
[0035]200:特征点整合定位方法
[0036]210:拍摄步骤
[0037]220:分析步骤
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征点整合定位系统，其特征在于，包含：一移动体；一影像输入源，设置于该移动体并用以拍摄一环境以取得一序列影像数据，该序列影像数据包含多个影像，所述多个影像与多个时间点一一对应；一分析模块，信号连接该影像输入源以接收该序列影像数据，该分析模块包含：一机械视觉侦测单元，依据各该影像生成属于各该影像的多个第一特征点；一深度学习侦测单元，依据各该影像生成属于各该影像的多个第二特征点；及一整合单元，用以将各该影像的所述多个第一特征点与所述多个第二特征点整合为各该影像的多个整合特征点；以及一定位模块，信号连接该分析模块，该定位模块接收各该影像的所述多个整合特征点，以确认该移动体于各该时间点相对该环境的一位置。2.如权利要求1所述的特征点整合定位系统，其特征在于，该机械视觉侦测单元以一ORB算法或一SIFT算法取得各该影像的所述多个第一特征点。3.如权利要求1所述的特征点整合定位系统，其特征在于，还包含一地图构建模块，其用以建置出该环境的一地图。4.如权利要求1所述的特征点整合定位系统，其特征在于，该深度学习侦测单元事先经多个环境差异影像训练及匹配以建立一深度学习模型，并以该深度学习模型判别所述多个第二特征点。5.一种特征点整合定位方法，其特征在于，包含：一拍摄步骤，使一影像输入源拍摄一环境以取得一序列影像数据，该序列影像数据包含多个影像，所述多个影像与多个时间点一一对应；一分析步骤，使一机械视觉侦测单元依据各该影像生成属于各该影像的多个第一特征点，且使一深度学习侦测单元依据各该影像生成属于各该影像的多个第二特征点；一整合步骤，使一整合单元将各该影像的所述多个第一特征点与所述多个第二特征点整合为各该影像的多个整合特征点；以及一定位步骤，使一移动体依据各该影像的所述多个整合特征点进行定位。6.如权利要求5所述的特征点整合定位方法，其特征在于，于...

【专利技术属性】
技术研发人员：王俞芳，林義傑，王正楷，
申请(专利权)人：财团法人车辆研究测试中心，
类型：发明
国别省市：