[發明專利]單目視覺SLAM中基于圖像外觀的閉環檢測方法

無效

• 申請號: 201210295181.6
• 申請日: 2012-08-20
• 公開（公告）號: CN102831446A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 梁志偉;陳燕燕;朱松豪;徐國政
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/66
• 分類號: G06K9/66;G05D1/02
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 楊楠

1.一種單目視覺SLAM中基于圖像外觀的閉環檢測方法，其特征在于，包括以下步驟：

步驟1、移動機器人前進過程中利用自身攜帶的單目攝像頭采集當前場景圖像，并提取當前場景圖像的視覺詞袋特征；

步驟2、計算當前場景圖像與前一幀歷史圖像之間的內容相似度，如內容相似度的最大值小于預設的相似度閾值，則保存當前場景圖像并轉而執行步驟3；否則，刪除當前場景圖像并轉至步驟1，獲取新圖像，其中，當前場景圖像???????????????????????????????????????????????與前一幀歷史圖像之間的內容相似度S，按照以下公式計算得到：

式中，表示當前場景圖像的視覺詞袋特征向量，表示前一幀歷史圖像的視覺詞袋特征向量；

步驟3、利用貝葉斯濾波方法不斷更新閉環假設狀態的后驗概率進行閉環檢測，判斷當前場景圖像是否發生閉環。

2.如權利要求1所述單目視覺SLAM中基于圖像外觀的閉環檢測方法，其特征在于，還包括：

步驟4、按照以下方法對步驟3的檢測結果進行驗證：當步驟3中檢測出當前圖像與一幅歷史圖像構成閉環時，統計當前圖像的視覺詞袋特征中的視覺單詞在每一幅歷史圖像的視覺詞袋特征中出現的頻次；選取頻次最高的前P幅歷史圖像，P為自然數；如果步驟3中檢測到的歷史圖像為這P個歷史圖像中的任意一個，則認為閉環檢測正確，接受閉環；否則閉環檢測錯誤，拒絕閉環。

3.如權利要求1或2所述單目視覺SLAM中基于圖像外觀的閉環檢測方法，其特征在于，按照以下方法提取圖像的視覺詞袋特征：

步驟101、提取圖像的局部視覺特征，得到圖像的局部視覺特征向量集合；

步驟102、將圖像表示為如下的K維向量，該K維向量即為圖像的視覺詞袋特征向量：?

???

其中，，K為視覺詞典中的視覺單詞個數，表示在圖像的局部視覺特征向量集合中出現第個視覺單詞的頻次，表示在圖像的局部視覺特征向量集合中所出現的視覺單詞的個數，表示當前所保存的所有歷史圖像的數量，表示當前所保存的所有歷史圖像中其視覺詞袋特征含有第個視覺單詞的圖像的數量。

4.如權利要求3所述單目視覺SLAM中基于圖像外觀的閉環檢測方法，其特征在于，所述視覺詞典采用以下方法離線構建：

步驟1、事先采集一組環境場景圖像并分別提取各幅圖像的局部視覺特征，所有局部視覺特征向量構成訓練樣本集；

步驟2、對所述訓練樣本集聚類，以所得到的聚類中心作為視覺單詞構建視覺詞典，每個聚類中心即為一個視覺單詞；具體包括以下步驟：

步驟201、設置初始聚類類別數K；

步驟202、按照當前聚類類別數K，對訓練樣本集進行模糊K均值聚類，在每一迭代步中，按照隸屬度最大準則將樣本分配給某個聚類中心，第個樣本對第個聚類中心的隸屬度如下式：

?

式中，表示訓練樣本集中的第個樣本；表示第個聚類中心；M為訓練樣本集中的樣本數量；K為聚類的類別數；

并按照下式更新聚類中心：

式中，、分別表示第個類在第、第t+1個迭代步中的聚類中心；表示第個迭代步中第個樣本對第個聚類中心的隸屬度；

步驟203、判斷當前聚類結果的TSC值是否在預設的范圍內，如是，則轉步驟204；如否，則改變當前聚類類別數K，并轉至步驟202；所述TSC值按照下式計算：

式中，表示K個聚類中心中相距最近的和之間的距離，表示訓練樣本集中的第個樣本，表示第個聚類中心，M為訓練樣本集中的樣本數量；K為聚類的類別數，為第個樣本對第個聚類中心的隸屬度；

步驟204、以K個聚類中心作為視覺單詞構建視覺詞典，每個聚類中心即為一個視覺單詞。

5.如權利要求3所述單目視覺SLAM中基于圖像外觀的閉環檢測方法，其特征在于，采用SURF或SIFT算子提取圖像的局部視覺特征。