一种动态场景下的多相机SLAM方法及装置制造方法及图纸

本发明专利技术属于同步定位与建图技术领域，具体公开了一种动态场景下的多相机SLAM方法及装置。包括，采用多相机模组进行同步定位与建图，其中通过特征点提取与分类模型从图像数据中提取用于定位与建图的ORB特征点以及进行目标检测识别分类；根据目标检测识别分类结果，将对应行人目标的特征点视为动态特征点并予以剔除，其余特征点皆视为静态特征点用于完成同步定位与建图。针对室内室外场景，在特征点不充分、动态物体过多误匹配的情况下，仍能够保持定位与建图信息不飞漂、不丢失，且保证最终定位精度与建图效率。

【技术实现步骤摘要】

本专利技术属于同步定位与建图，具体公开了一种动态场景下的多相机slam方法及装置。

技术介绍

1、同步定位与建图(simultaneous localization and mapping，slam)是移动机器人在进入未知环境，进行自主定位与导航的关键技术，在自动驾驶、生物医疗、物流运送、无人机等多个领域得到了广泛应用。当前slam系统借助于多种传感器进行信息获取，大体上主要借助相机、惯性测量单元(inertial measurement unit，imu)、激光雷达和超声波雷达等传感器。

2、当前无人车视觉感知最常用的模组主要是采用单独的一个雷达或是相机，这种感知方式容易因为某一次数据采集的失误而使整个模组发生飞漂。并且，以往的单一模组已经不再适用于当前愈发复杂的应用环境，其单一设备参数并不能囊括实际场景中的多种要素。因此，可以通过采用多机数据融合的方式，完成对环境的感知并进行后续的建图与导航。另外，以往的slam技术大多是建立在静态环境中的，假定现实建图环境中的图像均是静止不动的，这对于实际建图导航场景是极其不现实的，容易导致定位不准确，出本文档来自技高网...

【技术保护点】

1.一种动态场景下的多相机SLAM方法，包括，采用多相机模组进行同步定位与建图，其特征在于，其中通过特征点提取与分类模型从图像数据中提取用于定位与建图的ORB特征点以及进行目标检测识别分类；

2.根据权利要求1所述的方法，其特征在于，所述特征点提取与分类模型为改进的YOLOv5s模型，其中主干特征提取网络Backbone由C3网络跟换为PP-LCNet网络。

3.根据权利要求2所述的方法，其特征在于，在PP-LCNET网络中卷积核为5×5的卷积层中添加SE模块以获取一种通道注意力机制。

4.根据权利要求3所述的方法，其特征在于，还包括，在目标检测识别分...

【技术特征摘要】

1.一种动态场景下的多相机slam方法，包括，采用多相机模组进行同步定位与建图，其特征在于，其中通过特征点提取与分类模型从图像数据中提取用于定位与建图的orb特征点以及进行目标检测识别分类；

2.根据权利要求1所述的方法，其特征在于，所述特征点提取与分类模型为改进的yolov5s模型，其中主干特征提取网络backbone由c3网络跟换为pp-lcnet网络。

3.根据权利要求2所述的方法，其特征在于，在pp-lcnet网络中卷积核为5×5的卷积层中添加se模块以获取一种通道注意力机制。

4.根据权利要求3所述的方法，其特征在于，还包括，在目标检测识别分类前，采用apap算法进行多相机的图像配准，并结合seam finding方法生成多相机图像间的拼缝线，并通过multi-band bleing方法实现多相机图像融合得到多相机图像拼接完整图像；

5.根据权利要求4所述的方法，其特征在于，所述apap算法包括：

...

【专利技术属性】
技术研发人员：苏晓杰，代锐，孙少欣，戴亦军，孙田春，包南海，
申请(专利权)人：重庆大学，
类型：发明
国别省市：