一种基于图像块区域特征点的视觉SLAM回环检测改进方法技术

本发明专利技术属于图像处理具体是视觉SLAM技术，公开一种基于图像块区域特征点的视觉SLAM回环检测改进方法。该方法首先将输入的图像转换为灰度图像并通过网格划分图像块，计算其中特征点的梯度方向直方图，获得特征点的梯度向量；判断图像块中特征点的梯度向量权重，未达到设定阈值称为无效图像块，达到设定阈值称为有效图像块；将当前帧中的有效图像块和对应特征点的梯度向量进行构建词汇树模型，通过不断的迭代和更新词汇树的内容信息。并通过更新的词汇树模型中搜索衡量两帧图像间的相似度，而获得更好的图像检索及匹配的结果，实现更加准确的回环检测。如此克服相机长时间的定位与三维地图构建过程中导致的误差积累和相机轨迹漂移问题。漂移问题。漂移问题。

【技术实现步骤摘要】
一种基于图像块区域特征点的视觉SLAM回环检测改进方法


[0001]本专利技术属于图像处理和视觉的同时定位与建图(SLAM)
，尤其涉及基于图像块区域特征点的视觉SLAM回环检测改进方法。
技术背景
[0002]视觉SLAM系统在长时间的作业过程中，由于视觉传感器容易受到环境噪声的影响导致误差的不断积累，这种误差的积累最终会导致定位和建图的结果出现严重的畸变。为了解决这一关键性问题，视觉SLAM框架中通过加入回环检测模块，在相机获取环境信息的同时判断相机是否回到原来的位置。因此，准确的回环检测模块可为视觉SLAM系统的实现鲁棒性提供可靠的依据，对实现相机整体运动轨迹和地图的合理优化具有重要的意义。
[0003]在视觉SLAM系统中，回环检测模块对于相机的定位和地图构建起到关键性作用。因此，根据回环检测方法的实现原理，大体上可分为基于几何信息的回环检测算法和基于外观信息的回环检测方法。基于外观信息的回环检测方法主要是通过图像匹配来进行回环检测，它根据图像的颜色纹理变化来实现，容易受到环境光照的影响。而基于几何信息的回环检测算法通过判断当前位置是否位于过去某一历史位置附近来进行回环检测原理简单且易于实现，当相机发生旋转时，由于其具有旋转不变性等特点能克服相机自身产生的噪声问题。此外根据几何特征信息，可以利用基于特征点的回环检测从图像中提取关键点和描述子来帮助完成数据关联。
[0004]利用几何信息的特征点法主要通过提取输入图像的纹理信息丰富局域完成图像帧与帧之间的数据关联，进而计算出相机位姿以及对应的空间3D点坐标。几何信息的特征点法不易受到相机位姿变化的影响，为了兼具其描述子的优点，考虑将输入的图像信息划分图像块，在图像块特征明显区域进行点特征提取与描述。但是常见的图像全局特征点的描述子提取和匹配计算量大且容易受到噪声变化影响，所以通过图像块信息解决相机位姿误差积累问题意义重大。

技术实现思路

[0005]针对上述存在的问题，本专利技术基于图像块区域特征点提取方法通过图像分块计算梯度方向直方图并利用权重判断有效图像块，通过有效图像块进行回环检测，可以避免将大量的时间浪费在匹配特征不明显的弱纹理区域。
[0006]因此，本专利技术方法为了克服相机长时间的定位与三维地图构建过程中导致的误差积累和相机轨迹漂移问题，首先将输入的图像转换为灰度图像并通过网格划分图像块，同时计算每个图像块中特征点的梯度方向直方图，获得特征点的梯度向量。然后判断图像块中特征点的梯度向量权重，未达到设定阈值则称为无效图像块，达到设定阈值则称为有效图像块。最后将当前帧中的有效图像块和对应特征点的梯度向量进行构建词汇树模型，通过不断的迭代和更新词汇树的内容信息。当执行回环检测阶段时，则通过已更新的词汇树模型中搜索衡量两帧图像间的相似度，从而获得更好的图像检索及匹配的结果，实现更加
准确的回环检测。由此完成本专利技术。其总体的技术方案在于通过网格划分图像块，同时计算每个图像块的梯度直方图，然后通过梯度方向直方图的对当前帧的有效图像块进行特征提取并构建词袋模型和词汇树，最后通过判断词袋模型中两帧图像的相似度来完成回环检测。
[0007]本专利技术提供的技术方案为：
[0008]一种基于图像块区域特征点的视觉SLAM回环检测改进方法，包括如下步骤：
[0009]步骤一、获取当前帧的图像数据，将当前帧的图像数据转换为灰度图像，同时将当前帧的灰度图像划分为不同的子图像块。
[0010]步骤二、根据当前帧输入图像的尺寸大小，对图像整体进行划分网格。优选地，为了限制图像块的大小，保证其体现图像块中特征点的梯度方向直方图信息，通过输入图像尺寸大小进行自适应划分网格尺寸。即对于一个大小为h
×
w的图像，使用h/10
×
w/10的网格对其进行划分。
[0011]步骤三、对于划分完成的灰度图像块上进行特征点提取并计算梯度方向直方图，同时将它的梯度幅值设置为p(x，y)和梯度方向设置为θ(x，y)。所以特征点的梯度向量如下：
[0012][0013][0014]步骤四、通过网格划分获得h/10
×
w/10个图像块，计算每个图像块中特征点的梯度方向直方图，并统计每个图像块中的特征点的梯度向量。
[0015]步骤五、经过图像块中特征点梯度向量的计算，使用一个权重集W表示图像块中特征点的权重总值，并设置梯度方向直方图向量集W＝{w1，w2，...，w
n
}，均值权重为w
m
。
[0016]步骤六、计算当前帧中任一图像块W与其位置相邻(上、下、左、右相邻图像块)内的特征点梯度向量的权重。如果梯度向量权重W到达均值权重w
m
，则将其视为有效图像块，否则为无效图像块。
[0017]步骤七、从有效图像块开始搜索其能满足均值权重w
m
的其他图像块并添加到权重集中，并且对每一个新添加的有效权重值，都会更新均值权重w
m
，直到不能添加新的有效图像块为止。
[0018]步骤八、设置当前帧、图像块及特征点中包含的对应图像序列、图像块集合编号，然后通过对当前帧中有效图像块的梯度方向直方图向量进行归一化为单位向量来获得有效图像块的特征向量。
[0019]步骤九、将当前帧的有效图像块信息加入到词袋模型中，构建词汇库。
[0020]步骤十、当下一帧图像到达，重复上述步骤，然后判断当前的有效图像块是否与词袋库模型中的图像帧相似度达到权重阈值，满足条件则视为有效的回环检测。
[0021]优选的，在步骤七中，从有效图像块开始寻找其能满足均值权重w
m
的其他图像块，该均值权重w
m
为动态权重，当其他有效的图像块加入，则会动态更新均值权重w
m
。
[0022]优选的，在步骤八中，所述的有效图像块的特征向量包括特征的大小和方向，它作
为一种区域特征的描述子，是回环检测的重要因素。
[0023]优选的，在步骤十中，所述的权重阈值为设置权重参数，当两帧图像大于或者等于设置的权重参数，则视为有效的回环检测。
[0024]本专利技术的有益效果：
[0025](1)本专利技术采用了有效图像块的特征点进行提取和描述，可以避免算法把大量时间浪费在特征不明显的无效图像块上，大大提高了算法的实时效率；
[0026](2)本专利技术通过词袋模型来衡量图像间的相似度，在算法的迭代下，不断地更新词袋模型中的词汇树，使得算法能够准确高效地实现回环检测。
[0027](3)除此之外，本专利技术也可以运用于消毒防疫机器人、仓储物流机器人、无人自动驾驶、AR/VR、军事救援等领域的回环检测。
附图说明
[0028]为了让本专利技术实施例中的技术方案更加清晰地展现出来，下面将简单的、详细地介绍实施例描述中所需要的附图。
[0029]图1为一种基于图像块区域特征点的视觉SLAM回环检测改进方法的框图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像块区域特征点的视觉SLAM回环检测改进方法，其特征在于，包括如下步骤：步骤一、获取当前帧的图像数据，将当前帧的图像数据转换为灰度图像，同时将当前帧的灰度图像划分为不同的子图像块；步骤二、根据当前帧输入图像的尺寸大小，对图像整体进行划分网格；步骤三、对于划分完成的灰度图像块上进行特征点提取并计算梯度方向直方图，同时将它的梯度幅值设置为p(x，y)和梯度方向设置为θ(x，y)；步骤四、通过网格划分获得h/10
×
w/10个图像块，计算每个图像块中特征点的梯度方向直方图，并统计每个图像块中的特征点的梯度向量；步骤五、经过图像块中特征点梯度向量的计算，使用一个权重集W表示图像块中特征点的权重总值，并设置梯度方向直方图向量集W＝{w1，w2，...，w
n
}，均值权重为w
m
；步骤六、计算当前帧中任一图像块Wi与其位置相邻的上、下、左、右相邻图像块内的特征点梯度向量的权重，如果梯度向量权重Wi到达均值权重w
m
，则将其视为有效图像块，否则为无效图像块；步骤七、从有效图像块开始搜索其能满足并超过均值权重w
m
的其他图像块并添加到权重集中，并且对每一个新添加的有效权重值，都会更新均值权重w
m
，直到不能添加新的有效图像块为止；步骤八、设置当前帧、图像块及特征点中包含的对应图像序列、图像块集合编号，然后通过对当前帧中有效图像块的梯度方向直方图向量进行归一化为单位向量来获得有效图像块的特征向量；步骤九、将当前帧的有效图像块信息加入到词袋模型中，构建词汇树；步骤十、当下一帧图像到达，重复上述步骤，然后判断当前的有效图像块是否与词袋库模型中的图像帧相似度达到权重阈值，满足条件则视为有效的回环检测。2.如权利要求1所述的一种基于图像块区域特征点的视觉SLAM回环检测改进方法，其特征在于，在步骤一、三中，所述的灰度图像由RGB图像进行...

【专利技术属性】
技术研发人员：肖震东，魏武，杨姗，柳雄顶，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：