【技术实现步骤摘要】
一种面向动态环境的基于点线联合的语义SLAM方法
[0001]本专利技术涉及计算机视觉领域,具体而言,特别涉及一种面向动态环境的基于点线联合的语义SLAM 方法。
技术介绍
[0002]同步定位与地图构建技术(Simultaneous Localization and Mapping, SLAM)是指机器人在未知的环境中,使用自身搭载的各种传感器采集周围环境信息,通过算法分析出自身位置并建立周围环境的地图,其中视觉SLAM(Visual SLAM) 主要是利用相机来获取数据,包括单目、双目、RGB
‑
D相机等,因其所使用的相机传感器性价比高、体积小、功耗较低,并且可以获得丰富的环境信息的特点,成为近几年比较热门的研究领域。
[0003]传统视觉SLAM的各种算法在静态场景中能够取得很好的特征匹配,而在动态场景中会出现误匹配,从而使得SLAM系统的定位和建图产生很大的误差。因此,针对应用场景中存在动态运动物体会降低SLAM系统的定位精度和鲁棒性的问题,提出了一种基于特征点和特征线的语义SLAM方法和系统,该方法将传统视觉SLAM前端与Mask RCNN实例分割算法结合,在对输入图像进行特征点和特征线提取的同时,对图像进行实例分割,判断目标类型,检测动态目标,剔除动态物体上的特征点和特征线,使用处理后的特征点和特征线与相邻帧进行帧间匹配求解相机位姿,通过采用特征点与特征线联合优化相机位姿,能够提高动态场景下的视觉定位精度。
[0004]目前现有的语义SLAM技术,主要是针对存在动态物体的 ...
【技术保护点】
【技术特征摘要】
1.一种面向动态环境的基于点线联合的语义SLAM 方法,其特征在于,具体包括以下步骤:步骤S1:获取场景的图像流,将图像流逐帧传入到CNN网络中,对先验动态性质的物体进行逐像素的分割,分割出场景中的动态物体,得到关键帧图像,并利用前几帧的信息,将动态目标遮挡的静态场景补全;步骤S2:对步骤S1:获得的关键帧图像提取特征点和特征线,同时构建一个关于当前帧图像的局部地图,包括与当前帧图像有共视点的关键帧图像以及关键帧图像的相邻帧图像,在关键帧图像以及关键帧图像的相邻帧图像中查找与当前帧图像匹配的特征点和线段,然后对先验动态性质的物体进行动态一致性检查,剔除动态物体上的特征点和特征线,保留静态物体上的特征点和特征线,利用剩下的静态特征点和静态线进行匹配;步骤S3:对步骤S2的特征点和特征线进行匹配,同时进行滤波,剔除错误匹配的点和线,获得正确的匹配点对和线对,利用匹配点对获得初始相机位姿;步骤S4:通过步骤S3得到的匹配点对和线对计算当前帧的相机位姿,通过最小化点对和线对的重投影误差,获得精确的相机位姿估计;步骤S5:利用关键帧图像构建关于场景的局部地图,对每帧图像进行实例分割,将每个实例中的特征点和特征线归并到对应的实例中,利用特征点和特征线来定位相机位姿,计算物体和场景的点云获得稀疏点云地图;步骤S6:利用回环检测进行位姿优化,修正漂移误差,获得更精确的相机位姿估计。2.根据权利要求1所述的一种面向动态环境的基于点线联合的语义SLAM 方法,其特征在于,所述步骤S1为提取关键帧图像上静态区域的特征点和特征线,对关键帧图像静态区域提取特征点及特征线,具体包括以下步骤:采用ORB特征点提取图像静态区域的特征,同时计算ORB描述子,获得图像静态区域的特征点和描述子,对去除动态物体的图像进行线特征提取,线特征的提取采用Transformer的网络结构,通过一系列的上采样和下采样操作,融合不同尺度下的特征信息,获得图像静态区域上的线特征。3. 根据权利要求2所述的一种面向动态环境的基于点线联合的语义SLAM 方法,其特征在于,所述提取线特征,采用水平距离和垂直距离生成向量来预测单个线段两个端点的位置,获得线特征,其中和表示线段的左右两个端点坐标,为线段的中点坐标,表示右端点坐标和中点坐标之间关系的一个向量, 和分别表示为:,。4.根据权利要求1所述的一种面向动态环境的基于点线联合的语义SLAM 方法,其特征在于,所述步骤S3中的特征点和特征线的匹配的具体包括以下步骤:特征点的匹配是通过生成ORB描述子,...
【专利技术属性】
技术研发人员:杨健,董军宇,范浩,饶源,时正午,杨凯,李丛,刘伊美,
申请(专利权)人:中国海洋大学,
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。