【技术实现步骤摘要】
一种动态SLAM方法、装置、计算机设备以及存储介质
[0001]本申请属于机器人感知
，特别涉及一种动态SLAM方法、装置、计算机设备以及存储介质。
技术介绍
[0002]SLAM(Simultaneous Localization and Mapping，同步定位与地图绘制)是一种机器人感知技术，SLAM技术的核心是利用机器人的激光雷达、摄像头、GPS等传感器数据建立环境地图，并实时估计机器人的位置，实现机器人的自主定位和导航。
[0003]在传统的SLAM方法中，大都只考虑了静态环境，但在实践中，许多移动障碍物等动态物体不可避免地对姿态估计引入了噪声影响，很大程度上影响了算法的鲁棒性和精确度。为了解决上述不足，在现有的一些SLAM方法使用了RANSAC等优化算法，将特征点区分为动态和静态两类，然而，当存在更多的动态特征时，无法准确的区分动态特征和静态特征，导致最终的SLAM精确度不高。
技术实现思路
[0004]本申请提供了一种动态SLAM方法、装置、计算机设备以及存储介质，旨在至少在一定程...
【技术保护点】
【技术特征摘要】
1.一种动态SLAM方法，其特征在于，包括：从获取的环境图像中提取特征点，并采用金字塔光流法对所述特征点进行跟踪；使用FastFCN语义分割算法获取特征点的语义信息，基于所述语义信息将所述特征点分为静态特征点和潜在动态特征点，并对所述潜在动态特征点进行初步过滤；采用深度约束算法对所述初步过滤后的环境图像进行动态特征点检测，并二次滤除检测到的动态特征点；利用滤除动态特征点后的静态特征点进行相机位姿估计；利用所述相机位姿估计以及滤除动态特征点后的环境图像进行建图和回环检测。2.根据权利要求1所述的动态SLAM方法，其特征在于，所述从获取的环境图像中提取特征点之前，包括：从图像传感器中获取环境图像，将所述环境图像融合为带有深度信息的单一图像。3.根据权利要求2所述的动态SLAM方法，其特征在于，所述从获取的环境图像中提取特征点，并采用金字塔光流法对所述特征点进行跟踪具体为：从所述单一图像的第一帧中，基于像素点与周围像素块之间的相关性构建Harris角点，将所述Harris角点作为特征点，并在随后的每一帧中，采用稀疏金字塔Lucas
‑
Kanada光流法对所述特征点进行跟踪。4.根据权利要求3所述的动态SLAM方法，其特征在于，所述采用稀疏金字塔Lucas
‑
Kanada光流法对所述特征点进行跟踪具体为：对于图像中第k帧上的一个点p(x，y)，其在帧k
′
上相应的点为p
′
(x+dx,y+dy)，像素点p(x，y)和点p
′
(x+dx，y+dy)之间的差值向量d(dx，dy)即为所需跟踪的光流；假设同一空间点的像素灰度值G在一个时间窗口内是固定的，即：G
′
(x+dx,y+dy)＝G(x，y)光流误差为：光流误差为：其中A是由四个偏导数d
xx
，d
xy
，d
yx
，d
yy
组成的特征矩阵，ω是点x的值域。5.根据权利要求1至4任一项所述的动态SLAM方法，其特征在于，所述使用FastFCN语义分割算法获取特征点的语义信息，基于所述语义信息将所述特征点分为静态特征点和潜在动态特征点具体为：使用FastFCN语义分割算法对单一图像进行分割，将分割结果投影到单一图像上，获取特征点的语义信息；基于所述语义信息对所述单一图像中的特征点进行分类，得到静态特征点和潜在动态特征点；使用多视角几何约束算法对所述潜在动态特征点进行几何约束，对所述单一图像中的潜在动态特征点进行初步过滤；其中，所述使用多视角几何约束算法对所述潜在动态特征点进行几何约束具体为：
对于相机位姿估计前后的两帧C1和C2，F是C1到C2的基础矩阵，K是摄像机的内参矩阵，则C2上的极线l2表示为：l2＝FK(u，v，1)利用点p到极线l2的距离d对所述潜在动态特征点进行几何约束：d＝||p
‑
l2||2。6.根据权利要求5所述的动态SLAM方法，其特征在于，所述采用深度约束算法对所述初步过滤后的环境图像进行动态特征...
【专利技术属性】
技术研发人员：曾驳，宋呈群，程俊，吴福祥，郝富生，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。