一种视觉里程计方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种视觉里程计方法、装置、设备及存储介质，该方法包括利用LSD算法提取待处理图像包含的若干线段信息；基于梯度强度评分原则，通过四叉树均匀化筛选方法由若干所述线段信息中筛选获得若干强梯度线段；对每条所述强梯度线段进行均匀采样获得若干采样点，将若干所述采样点进行反投影获得空间点集以计算空间点集协方差；该方法对LSD算法所检测线段进行四叉树均匀化，解决了在结构化场景下由于线段约束过多所引起的计算量激增问题。在均匀化过程中，通过计算线段所含像素点的梯度强度均值，为算法所构建的点线模型筛选出具备强线性约束的线段，提升引入线性约束所带来的算法鲁棒性。算法鲁棒性。算法鲁棒性。

【技术实现步骤摘要】
一种视觉里程计方法、装置、设备及存储介质


[0001]本专利技术涉及机器人定位与导航
，特别是涉及一种视觉里程计方法、装置、设备及存储介质。

技术介绍

[0002]同时定位与建图(SLAM：Simultaneous Location and Mapping)技术是移动机器人、自动驾驶、虚拟/增强现实等热门方向的核心技术之一。目前，SLAM技术通常可分为以相机为主设备的视觉SLAM，和以激光雷达为主设备的激光SLAM。其中激光雷达可以直接获取高精度空间点云信息，但缺乏环境纹理，且高精度激光雷达价格昂贵。相对地，视觉相机成本低、功耗小、易集成，且包含丰富图像纹理。
[0003]通常，视觉SLAM技术包含如下技术模块：前端视觉里程计、后端优化、回环检测、建图。其中视觉里程计技术可以直接通过相邻图像信息求解相机的增量运动信息，是视觉SLAM技术中最为关键的一环。
[0004]视觉里程计通常采用间接法和直接法两种形式：间接法：通过提取图像特征点、计算特征描述子，对图像进行特征匹配，完成图像的数据关联操作，从而构建几何重投影误差模型求本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视觉里程计方法，其特征在于，包括：利用LSD算法提取待处理图像包含的若干线段信息；基于梯度强度评分原则，通过四叉树均匀化筛选方法由若干所述线段信息中筛选获得若干强梯度线段；对每条所述强梯度线段进行均匀采样获得若干采样点，将若干所述采样点进行反投影获得空间点集以计算空间点集协方差；判断每条所述强梯度线段各自包含的所述采样点的对应空间点集协方差元素是否满足预设条件，将满足预设条件的所有所述强梯度线段的所述采样点对应空间点集通过线性拟合技术拟合获得空间线段模型；基于光度不变模型构建光度误差，基于线性约束模型构建点线误差，对目标误差模型进行里程计解算，所述目标误差模型包括光度误差约束、第一共线约束以及第二共线约束。2.根据权利要求1所述的视觉里程计方法，其特征在于，将所述待处理图像进行图像光度畸变去除获得目标图像；利用LSD算法提取所述目标图像包含的若干所述线段信息。3.根据权利要求1所述的视觉里程计方法，其特征在于，所述梯度强度评分原则包括线段的平均梯度强度满足预设的强度阈值。4.根据权利要求3所述的视觉里程计方法，其特征在于，所述四叉树均匀化筛选方法，包括：令当前图像I
i
检测到的线段集合为保留图像梯度信息于梯度取值操作定义为T
i
(
·
)，则每次筛选时，固定从线段l
i
上选n点，并通过如下筛选模型完成线段筛选：5.根据权利要求1所述的视觉里程计方法，其特征在于，所述判断每条所述强梯度线段各自包含的所述采样点对应空间点集的协方差元素是否满足预设条件，包括：获取每条所述强梯度线段包含的三个所述采样点对应空间点集的三个协方差元素，并计算获得其中一个所述协方差元素与三个所述协方差元素之和的比值...

【专利技术属性】
技术研发人员：陈伟，郝云刚，曾刊，朱松柏，胡欣，向学辅，张振禹，王钤，田瑞娟，吴永存，
申请(专利权)人：中国兵器装备集团自动化研究所有限公司，
类型：发明
国别省市：