一种适合弱光环境的视觉SLAM构建方法技术

本发明专利技术涉及计算机视觉定位技术领域，具体涉及一种适合弱光环境的视觉SLAM构建方法，该方法包括前端计算和后端优化。前端计算方法包括：采集运动平台上的事件相机输出的事件流和IMU输出的测量值；从事件流中筛选出候选事件，提取候选事件的事件角点并进行跟踪，得到视觉信息；利用IMU测量值构建IMU预积分约束；利用纯视觉三维重建和视觉惯性对齐对系统进行初始化，初始化完成后将视觉信息和IMU信息传入后端。后端方法包括：基于视觉信息和IMU预积分约束的滑动窗口优化；利用时间曲面作为输入进行回环检测；利用位姿图优化消除机器人移动轨迹的累积误差。本发明专利技术视觉SLAM构建方法，解决了在弱光环境下视觉SLAM定位精度下降的问题，极大地提升了视觉SLAM算法的鲁棒性，更好地支持了移动机器人在弱光环境下的定位。持了移动机器人在弱光环境下的定位。

【技术实现步骤摘要】
一种适合弱光环境的视觉SLAM构建方法


[0001]本专利技术属于计算机视觉定位
，具体涉及一种适合弱光环境的视觉SLAM构建方法。

技术介绍

[0002]随着人工智能技术的飞速发展，无人驾驶、虚拟现实、人脸识别等领域的研究成为了当前的热点。其中，无人驾驶在一些地图已知的城市环境中已取得车道级的定位效果，但在环境未知的非结构化道路上行驶，并且不能应用诸如GPS、北斗、伽利略等有信号源定位传感器的情况下，如何实现自主的地图构建与精确定位是该领域的研究难点之一。SLAM(Simultaneous Localization andMapping，同步定位与地图创建)是指无人平台在未知环境中利用无信号源传感器如，相机、Lidar、里程计、惯性传感器和有信号源传感器GPS、北斗，实现无人平台对环境进行感知并同时构建高精度地图与定位本体位姿的方法。SLAM是实现自主导航和环境探索的前提和基础。但在光照不充足的环境中，视觉SLAM会出现特征丢失、特征跟踪失败问题，导致系统的定位精度下降和鲁棒性差。因此，亟需研究一种适合弱光环境的视觉SLAM构建方法。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适合弱光环境的视觉SLAM构建方法，其特征在于，包括以下步骤：S1：采集搭载在同一运动平台上的事件相机输出的事件流和惯性测量单元输出的测量值；S2：按照事件流的固定频率更新SAE，利用更新后的SAE按照所述事件流的频率生成TS和PTS；S3：将所述TS作为掩码，遍历所述事件流，找到所述事件流中每个事件在TS上对应的像素值，筛选出像素值大于设定阈值的事件，得到候选事件；S4：在SAE上对所述候选事件进行候选特征检测，得到候选事件特征；对所述候选事件特征进行细化筛选，从所述候选事件特征中筛选出事件角点；S5：获得所述事件角点的速度信息、深度信息，将所述事件角点的位置信息、速度信息、深度信息和TS作为视觉信息；S6：利用惯性测量单元输出的测量值构建相邻PTS间的预积分约束，得到预积分信息；S7：对SLAM系统进行初始化处理，将时间戳一致的所述视觉信息和所述预积分信息输入已经完成初始化的SLAM系统后端的滑动窗口模型中进行处理，得到SLAM系统当前时刻的状态变量；S8：利用步骤S7得到的SLAM系统当前时刻的状态变量，通过相邻时刻PTS的位置差值和对应事件角点的视差，判断步骤S2生成的TS是否为关键帧；若是关键帧，执行步骤S9，若不是关键帧，返回步骤S2对下一时刻的事件流进行处理；S9：对所述关键帧进行回环检测，若检测到所述关键帧的历史回环帧，执行步骤S10；若未检测到所述关键帧的历史回环帧，将所述关键帧加入到关键帧数据库中，然后返回步骤S2对下一时刻的事件流进行处理；S10：找出所述关键帧和历史回环帧的特征匹配关系，然后对所述特征匹配关系进行验证，去除错误匹配，得到所述关键帧和历史回环帧之间的位姿变化；S11：将所述关键帧和历史回环帧之间的位姿变化作为回环状态量输入到SLAM系统后端的滑动窗口模型中进行优化，得到优化后的回环状态量；对优化后的回环状态量进行位姿图优化，消除所述关键帧和历史回环帧之间的轨迹误差，并采用消除误差后的轨迹更新所述关键帧数据库。2.根据权利要求1所述的视觉SLAM构建方法，其特征在于，步骤S2中利用更新后的SAE按照所述事件流的频率生成TS的公式为：步骤S2中利用更新后的SAE按...

【专利技术属性】
技术研发人员：宋韬，杨昊，郭帅，
申请(专利权)人：上海大学，
类型：发明
国别省市：