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解视觉增量运动；直接法：直接比较两幅图像的像素灰度差异，在光度不变假设下完成视觉投影和光度残差模型构建，求解视觉增量运动。
[0005]间接法通常需要消耗更多的计算资源，且在难以提取图像特征的弱纹理环境中，间接法将难以发挥作用。对比之下，直接法跳过了像素特征计算，在弱纹理环境同样可以用于求解相机增量运动，且直接法所利用的光度信息也可与边缘检测技术进行融合，从而更加鲁棒的完成视觉里程计求解。
[0006]DSO(Dorect Sparse Odometry，直接稀疏里程计)是一项基于稀疏直接法的视觉里程计方案，该方案可以在与传统间接法保持同等甚至更高精度的同时，处理速度达传统间接法五倍左右，是目前主流的直接法视觉SLAM方案之一。DSO包含前端跟踪和后端优化两个部分，其中前端跟踪部分完成系统初始化和基于直接法的跟踪流程，后端优化则基于前端跟踪结果对图像点进行深度滤波，并构建窗口约束优化系统状态变量。DSO与传统基于直接法的方案不同之处在于引入了光度误差标定模型，可以很大程度上减小由于光照变化、镜头衰减带来的光度影响，因此可以很好的提高直接法构建的光度误差模型鲁棒性。
[0007]DSO属于稀疏直接法的视觉里程计，基于直接法求解模型，DSO具备很高的算法求解效率，但相比间接法所利用的特征点方式，直接法没有利用任何环境结构信息，仅在强依赖光度不变假设的基础上，完成光度误差模型的求解，因此，即使在光度误差标定模型的辅助下，也不可避免地会产生误差累积。
[0008]因此，如何克服同时定位与建图(SLAM)技术中采用直接法求解视觉增量运动存在的鲁棒性不足的缺点，是迫切需要本领域技术人员解决的技术问题。
技术实现思路
[0009]鉴于上述问题，本专利技术提供用于克服上述问题或者至少部分地解决上述问题的一种视觉里程计方法、装置、设备及存储介质。旨在对配有单目相机的机器人进行实时定位解算，提高单目视觉里程计技术在结构化场景下的鲁棒性。
[0010]本专利技术提供了如下方案：
[0011]一种视觉里程计方法，包括：
[0012]利用LSD算法提取待处理图像包含的若干线段信息；
[0013]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；
[0014]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；
[0015]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；
[0016]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。
[0017]优选地：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。
[0018]优选地：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。
[0019]优选地：所述四叉树均匀化筛选方法，包括：
[0020]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：
[0021][0022]优选地：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：
[0023]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；
[0024]判断所述比值是否大于预设的系数，将大于所述系数确定满足预设条件。
[0025]优选地：将所述比值不大于预设的系数对应的所述强梯度线段剔除。
[0026]优选地：所述对目标误差模型进行里程计解算，包括：
[0027]通过LM算法对所述目标误差模型进行最小二乘求解，获得位姿变换以及像素点对应逆深度。
[0028]一种视觉里程计装置，所述装置包括：
[0029]线段信息提取单元，用于利用LSD算法提取待处理图像包含的若干线段信息；
[0030]强梯度线段筛选单元，用于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；
[0031]采样点获取单元，用于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；
[0032]空间线段模型拟合单元，用于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，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；
[0033]解算单元，用于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。
[0034]一种视觉里程计设备，所述设备包括处理器以及存储器：
[0035]所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
[0036]所述处理器用于根据所述程序代码中的指令执行上述的视觉里程计方法。
[0037]一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述的视觉里程计方法。
[0038]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0039]本申请实施例提供的一种视觉里程本文档来自技高网...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。