一种面向自动驾驶汽车的视觉SLAM系统及方法技术方案

本发明专利技术公开了一种面向自动驾驶汽车的视觉SLAM系统及方法，所述系统包括图像预处理模块、多目标跟踪模块、视觉里程计模块、物体状态更新模块以及后端优化模块。所述方法包括：步骤S1，通过实例分割网络对图像进行预处理；步骤S2，判别物体的动静态；步骤S3，估计初始相机的位姿；步骤S4，去除动态物体；步骤S5，对图像关键帧执行优化策略。本发明专利技术的有益效果：在视觉图像中，可以实现高效地动态物体滤除，有效降低建图鬼影，提高定位的准确性和鲁棒性，以及能够提高自动驾驶车辆在动态环境下的适用性。性。性。

【技术实现步骤摘要】
一种面向自动驾驶汽车的视觉SLAM系统及方法


[0001]本专利技术涉及同步定位与地图构建
，尤其涉及一种面向自动驾驶汽车的视觉SLAM系统及方法。

技术介绍

[0002]近年来，一种搭载特定传感器实现自主定位源的方法应运而生，即同步定位与建图技术(simultaneous localization and mapping，SLAM)，SLAM技术能够使运载设备完成对周围环境的地图构建并估计出地图中自身位姿。视觉SLAM广泛应用于智能移动机器人、无人驾驶汽车以及虚拟现实等领域。然而，视觉SLAM技术依赖于场景中的物体在连续帧图像中保持静止的假设，但真实场景通常无法满足这种静态假设，现实场景中的动态物体随处可见，并且不可避免。特别是基于特征点的视觉SLAM技术，为了避免动态物体匹配点占优而导致的定位漂移、建图鬼影等情况，探索具有处理动态物的能力的视觉SLAM系统是很有必要的。
[0003]目前，视觉SLAM技术已经在自动驾驶车辆中得到广泛应用，对于动态物体判别和滤除的方法根据是否借助深度学习模型分为两类。(1)非模型方法。传统SLA本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向自动驾驶汽车的视觉SLAM系统，其特征在于，包括：图像预处理模块，其通过实例分割网络对图像进行预处理，得到二维检测框和二进制掩码；多目标跟踪模块，其通过二维检测框融合外观相似度和几何距离实现实时多物体跟踪；视觉里程计模块，其用于去除属于潜在动态物体的特征点，并将初始位姿发送给物体状态更新模块；物体状态更新模块，其通过初始位姿和潜在动态物体的运动状态判别动静态状态，并将发生状态更新的物体传递到后端优化模块；后端优化模块，其恢复静态物体地图点的同时，以初始位姿为初值利用纯静态物体优化更加准确位姿。2.一种基于权利要求1所述的系统的面向自动驾驶汽车的视觉SLAM方法，其特征在于，包括以下步骤：步骤S1：图像预处理模块通过实例分割网络对图像进行处理获得潜在动态物体的语义标签和背景；步骤S2：多目标跟踪模块提供额外数据关联，根据潜在动态物体的时空信息判别其动静态，其具体步骤包括：步骤S21：通过ORB特征提取词袋向量，通过计算轨迹和待匹配物体的外观相似度构建基于外观尺度的代价矩阵；步骤S22：结合卡尔曼滤波器预测轨迹在当前帧出现的位置与待匹配二维检测框之间的马氏距离，更新代价矩阵；步骤S23：通过匈牙利算法处理代价矩阵，解决分配问题，实现二维检测框和轨迹匹配；步骤S3：视觉里程计模块借助深度学习模型得到的先验信息，去除动态特征，估计初始位姿；步骤S4：物体状态更新模块根据多目标跟踪模块判别结果以及初始位姿判别出为纯静态物体的潜在动态物体后，去除动态物体，...

【专利技术属性】
技术研发人员：秦晓辉，廖毅霏，周云水，胡满江，边有钢，谢国涛，秦兆博，王晓伟，秦洪懋，徐彪，丁荣军，
申请(专利权)人：湖南大学，
类型：发明
国别省市：