System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及勘测,尤其涉及一种基于管道机器人的弱光环境下排水管线稀疏构图方法。
技术介绍
1、机器人是能够自动执行任务的机器装置,其任务是协助或代替人类的工作,特别是对于危险、人类能力不能达到、精度要求极高的工作。排水管线勘测机器人是一种能够在排水管道内部移动,通过高清摄像头与探测传感器等设备对管道进行识别、测量、记录和分析的机器人设备。其通常由机器人主体、控制设备和数据传输设备组成。主体部分通常采用无线遥控方式,通过高清摄像头和探测传感器等设备进行管线内部的实时检测,避免了人工进入管道中的危险。
2、稀疏构图技术是一种基于先进的计算机视觉等技术手段,对某些空间结构信息进行采集、处理和分析,从而绘制出对空间结构综合情况的全方位、三维化的地图。稀疏构图技术的特点是通过对探测数据的分析和处理,将空间结构的位置、长度、深度、状态等信息整合在一起,并通过数字化技术呈现为数字地图或三维模型。但现有的稀疏构图技术,一般应用在光照足够的场景中,而在地下排水管线中,虽有灯光进行补光,但是关照效果差,稀疏构图技术存在构图效果差的问题。
3、综上所述,现有的排水管线稀疏构图无法满足排水管线的勘测需求,亟需一种基于管道机器人的弱光环境下排水管线稀疏构图方法。
技术实现思路
1、本专利技术的目的在于提供一种基于管道机器人的弱光环境下排水管线稀疏构图方法,旨在解决现有的排水管线稀疏构图无法满足排水管线的勘测需求的问题。
2、为实现上述目的,本专利技术提供了一种基于管道机
3、采用排水管线勘测机器人进入排水管线中采集视频流;
4、对所述视频流中的图像逐帧采用图像去雾方法进行预处理,得到增强图像;
5、对所述增强图像采用帧处理线程进行处理,进行单张图片构图,得到图像参数;
6、将所述图像参数输入到跟踪线程中,计算图片特征点的匹配情况,获得单应矩阵和本质矩阵,并根据所述图片特征点在图片中的位置,复原空间位置;
7、将复原空间位置后的所述图片特征点插入到局部建图线程,并采用闭环检测降低视觉slam产生的偏移误差,完成管道图构建。
8、其中,所述对所述视频流中的图像逐帧采用图像去雾方法进行预处理,得到增强图像,包括:
9、将所述视频流中的图像逐帧转变为灰度图片,并获取图片的长、宽和各位置像素值;
10、遍历图片的所述各位置像素值,并进行取反,得到取反像素;
11、遍历所述取反像素,并标记最大值;
12、遍历图像各位置像素值,获取像素比;
13、根据所述像素比,计算各位置的光照分布比例;
14、基于所述光照分布比例、所述像素比和所述各位置像素值根据计算公式得到增强图像。
15、其中,所述对所述增强图像采用帧处理线程进行处理,进行单张图片构图,得到图像参数,包括:
16、将所述增强图像输入到构图框架的帧处理线程中,对每张输入图片计算图像金字塔,并提取orb特征子和描述子,得到图像参数。
17、其中,所述将复原空间位置后的所述图片特征点插入到局部建图线程,并采用闭环检测降低视觉slam产生的偏移误差,完成管道图构建,包括:
18、建立初始器,判断帧各项参数是否符合要求,符合要求后建立跟踪的初始器;
19、在所述跟踪的初始器中,随机获取八组特征点,计算单应矩阵和基础矩阵,单应矩阵描述不同图片相同特征点变换关系,本质矩阵描述不同空间相同特征点变换关系,根据两者的变换关系复原相机的旋转矩阵和位移向量,并根据旋转矩阵和位移向量评分,获取目标旋转矩阵和位移向量作为相机实际情况的路线;
20、选取四对特征点的空间位置,并采用ba优化算法,优化特征点空间位置,得到局部建图线程;
21、为所述局部建图线程匹配恒速模型跟踪、参考帧模型跟踪和重定位跟踪模式;
22、将复原空间位置后的所述图片输入到所述局部建图线程中,得到建图特征点;
23、根据建图情况和相机每帧距离和id判断是否需要插入关键帧,从而插入新的关键帧;
24、归一化所述建图特征点的3d位置,完成管道图构建。
25、其中,所述将复原空间位置后的所述图片输入到所述局部建图线程中,得到建图特征点,包括:
26、将复原空间位置后的所述图片输入到所述局部建图线程中,根据像素3d点的观测情况,剔除预设范围内的3d点;
27、利用当前关键帧与相邻关键帧采用三角化算法生成新的3d点;
28、融合当前关键帧与相邻关键帧重复3d点;
29、利用ba算法优化3d点,并根据优化后的3d点,剔除当前关键帧的冗余关键帧;
30、将当前帧加入到闭环检测线程中,得到建图特征点。
31、其中,所述将当前帧加入到闭环检测线程中,得到建图特征点,包括:
32、将当前帧加入到闭环检测线程中,取出缓冲队列头部关键帧作为当前检测闭环关键帧;
33、计算当前关键帧与共视关键帧的最大相似度,其中共视关键帧为图片之间的权重关系;
34、根据相似关系寻找当前关键帧的闭环候选关键帧;
35、在当前关键帧组和之前的连续关键帧组之间寻找匹配关系;
36、维护循环变量,当前帧的闭环关键帧组当作下一帧之前的闭环候选关键帧组,得到建图特征点。
37、本专利技术的一种基于管道机器人的弱光环境下排水管线稀疏构图方法,通过采用排水管线勘测机器人进入排水管线中采集视频流;对所述视频流中的图像逐帧采用图像去雾方法进行预处理,得到增强图像;对所述增强图像采用帧处理线程进行处理,进行单张图片构图,得到图像参数;将所述图像参数输入到跟踪线程中,计算图片特征点的匹配情况,获得单应矩阵和本质矩阵,并根据所述图片特征点在图片中的位置,复原空间位置;将复原空间位置后的所述图片特征点插入到局部建图线程,并采用闭环检测降低视觉slam产生的偏移误差,完成管道图构建。本专利技术采用图像去雾的预处理方法,优化了图像特征提取的效果,最终优化了排水管线稀疏构图的效果;采用基于管线勘测机器人的图像采集方法,避免了勘测人员自身需进入排水管线的尴尬情况,保护了勘测人员的生命安全;采用了自动构图的方法,避免了人工对排水管线进行构图从而可能产生的误差,充分利用了机器人自动采集图像,自动构图的优势;采用回环检测,极大化降低视觉slam产生的偏移误差,优化了最终的构图效果,解决了现有的排水管线稀疏构图无法满足排水管线的勘测需求的问题。
本文档来自技高网...【技术保护点】
1.一种基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,
3.如权利要求2所述的基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,
4.如权利要求3所述的基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,
5.如权利要求4所述的基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,
6.如权利要求5所述的基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,
【技术特征摘要】
1.一种基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,
3.如权利要求2所述的基于管道机器人的弱光环境下排水管线稀疏构图方法,其特征在于,
...【专利技术属性】
技术研发人员:胡波,董绍江,陈翰新,刘清屹,杨乾锋,朱孙科,刘超,闫凯波,陈里里,罗家元,
申请(专利权)人:重庆市测绘科学技术研究院重庆市地图编制中心,
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。