一种面向视觉SLAM鲁棒性提升的特征点误匹配剔除方法技术

本发明专利技术公开了一种面向视觉SLAM鲁棒性提升的特征点误匹配剔除方法，包括进行双目相机与惯性单元的分别标定与联合标定，标定后进行图像数据采集，获取采集图像的相邻帧；提取相邻两张图像的特征点；基于特征点，采用MAGSAC++算法进行特征点匹配确定阈值，并剔除错误匹配点。本发明专利技术的方法在保持原有RANSAC运算效率的基础上，极大提升了特征点误匹配剔除的准确率，提升了整个系统的运算精度。

【技术实现步骤摘要】

本专利技术属于计算机视觉的领域，具体涉及一种面向视觉slam鲁棒性提升的特征点误匹配剔除方法。

技术介绍

1、同步定位与地图构建(simultaneous localization and mapping，slam)技术是一项对实时性要求非常高的技术，因此这一部分技术的日益精进也是科研所关注的方向。slam技术的前端部分的特征点提取与特征匹配部分由于计算机制的复杂性成为了整体架构中时间复杂度较高的部分。在导航定位的过程中，这一点具体是指在连续的时间段，同一传感器在同一场景的先后采集到的图像信息，以便获得连续帧之间的关系描述，方便后续的相机姿态估计，相机后端优化等过程。在这个过程中，由于图像特征点的局限性，误匹配情况都时刻发生，为了解决特征点误匹配问题，可以通过迭代方式降低，该部分也需要一定的计算量，进一步降低算法实时性，因此如何优化特征点误匹配策略是如今slam发展研究的一个较为重要的内容。

2、如今热门的视觉slam算法中，随机采样一致性算法性(ransac，random sampleconsensus)技术是比较常见的解决剔除点误匹配问题的本文档来自技高网...

【技术保护点】

1.一种面向视觉SLAM鲁棒性提升的特征点误匹配剔除方法，其特征在于，包括：

2.根据权利要求1所述的面向视觉SLAM鲁棒性提升的特征点误匹配剔除方法，其特征在于，所述步骤2采用ORB算法提取相邻两张图像的特征点。

3.根据权利要求1所述的面向视觉SLAM鲁棒性提升的特征点误匹配剔除方法，其特征在于，所述步骤3的MAGSAC++算法采用自适应阈值机制确定阈值，同时引入质量函数模型剔除错误匹配点。

4.根据权利要求3所述的面向视觉SLAM鲁棒性提升的特征点误匹配剔除方法，其特征在于，采用自适应阈值机制确定阈值具体包括：将SLAM算法的内点看成一个随机变量...

【技术特征摘要】

1.一种面向视觉slam鲁棒性提升的特征点误匹配剔除方法，其特征在于，包括：

2.根据权利要求1所述的面向视觉slam鲁棒性提升的特征点误匹配剔除方法，其特征在于，所述步骤2采用orb算法提取相邻两张图像的特征点。

3.根据权利要求1所述的面向视觉slam鲁棒性提升的特征点误匹配剔除方法，其特征在于，所述步骤3的magsac++算法采用自适应阈值机制确定阈值，同时引入质量函数模型剔除错误匹配点。

4.根据权利要求3所述的面向视觉slam鲁棒性提升的特征点误匹配剔除方法，其特征在于，采用自适应阈值机制确定阈值具体包括：将slam算法的内点看成一个随机变量σ，对于给定的σ，通过n自由度的χ分布和σ的密度函数确定内点，设计内点模型为设计内点模型为基于内点和外点模型，通过概率密度的边缘算法确定内、外点阈值，其中，d(ρ)表示点ρ的对比度，r代表内点，γ(.)为伽马函数，n为欧几里得空间的维度。

5.根据权利要求4所述的面向视觉slam鲁棒性提升的特征点误匹配剔除方法，其特征在于，通过概率密度的边缘算法确定内、外点阈值为：...

【专利技术属性】
技术研发人员：管雪元，白浩林，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：