[發明專利]視覺里程計背景過濾方法及裝置

有效

• 申請號: 201510872856.2
• 申請日: 2015-12-02
• 公開（公告）號: CN105374043B
• 公開（公告）日: 2017-04-05
• 發明（設計）人: 潘晨勁;趙江宜
• 申請（專利權）人: 福州華鷹重工機械有限公司
• 主分類號: G06T7/194
• 分類號: G06T7/194;G01C22/00
• 代理公司: 福州市景弘專利代理事務所(普通合伙)35219
• 代理人: 林祥翔,呂元輝

技術領域

本發明涉及視覺里程計使用領域，尤其涉及一種視覺里程計背景過濾方法及裝置。

背景技術

視覺里程計(visualodometry)是一種利用連續的攝像機圖片計算載體(如機器人)相對于固定場景位移和姿態變化的方法。比起其它的位移測距法(odometry)，視覺里程計的好處有：

1.成本較低，只需要傳感器上攝像機即可

2.能夠不受多種類別的干擾(如輪子位移傳感器受輪子滑移的影響)

3.準確率上較好。其原理和人類通過視覺判斷自身位移和姿態變化非常相似。人類僅僅靠雙眼的圖像信息便能準確地判斷位移，這給視覺里程計提供了一個很好的參照

視覺里程計的方法一般可以概括為這幾個步驟(以下簡稱視覺里程計流水線)：

1.獲取圖像，可以使用單鏡頭攝像機(singlecamera)，立體攝像機或者全景攝像機(omnidirectionalcamera)

2.圖像校正，這一步采用圖像處理技術糾正透鏡畸變等，改善圖像質量。

3.特征發現，這一步可分為：

a.特征采集，從一幅圖像中提取出有代表性的、穩固的特征。

b.特征配對，對比連續的圖像，將不同圖像中的同一特征配對起來。

4.利用特征在連續圖像之間的變化，建立視覺場(opticalfield)。

5.利用視覺場估算位移。

6.定期地增加新的特征和去除過期(不再場景內)的特征，以保證特征對于圖像的完整覆蓋。

另外一種視覺里程計的方法不進行特征提取和配對，而是直接用整個場景/原始圖片作為輸入。比如，利用深度學習可以解決較為簡單的環境下的靜動態物體區分。但是在復雜的城市環境(交通，弱光環境)中，深度學習的成本驟增，不如直接利用環境的一些不變屬性提取特征。這些屬性包括物體的相對位置和絕對位置，分別可用景深和GPS坐標刻畫，也包括物件本身的視覺屬性，比如棱角。

對于無人車而言，視覺里程計可以作為多種位移測距系統中的一種，以提供對其它位移測距法的補充，同時也可以作為一套冗余備份系統。

發明內容

為此，需要提供一種視覺里程計背景過濾方法及裝置，解決識別圖像背景的問題。

為實現上述目的，發明人提供了一種視覺里程計背景過濾方法，包括如下步驟：

根據預設場景三維地圖和行車圖像計算各像素點的景深，得到景深圖；

根據景深圖和行車圖像計算權重視差圖，所述權重視差圖包括各像素點的視差信息和權重信息；

對權重視差圖進行后期處理，得到背景概率圖，所述背景概率圖包括各像素點為背景的概率信息；

對背景概率圖進行處理，得到最佳背景區塊。

具體地，還包括步驟：

采集預設場景三維地圖。

具體地，還包括步驟：

采集行車圖像。

優選地，根據景深圖和同一時刻不同鏡頭采集到的行車圖像計算權重視差圖。

優選地，根據景深圖和不同時刻同一鏡頭采集到的行車圖像計算權重視差圖。

一種視覺里程計背景過濾裝置，包括景深圖計算模塊、權重視差圖計算模塊、背景概率圖計算模塊、最佳背景區塊計算模塊：

所述景深圖計算模塊用于根據預設場景三維地圖和行車圖像計算各像素點的景深，得到景深圖；

所述權重視差圖計算模塊用于根據景深圖和行車圖像計算權重視差圖，所述權重視差圖包括各像素點的視差信息和權重信息；

所述背景概率圖計算模塊用于對權重視差圖進行后期處理，得到背景概率圖，所述背景概率圖包括各像素點為背景的概率信息；

所述最佳背景區塊計算模塊用于對背景概率圖進行處理，得到最佳背景區塊。

具體地，還包括地圖采集模塊：

所述地圖采集模塊用于采集預設場景三維地圖。

具體地，其特征在于，還包括行車圖像采集模塊：

所述行車圖像采集模塊用于采集行車圖像。

優選地，所述權重視差圖計算模塊用于根據景深圖和同一時刻不同鏡頭采集到的行車圖像計算權重視差圖。

優選地，所述權重視差圖計算模塊用于根據景深圖和不同時刻同一鏡頭采集到的行車圖像計算權重視差圖。

區別于現有技術，上述技術方案巧妙地解決了視覺里程計中背景的精確識別與過濾的問題。

附圖說明

圖1為本發明具體實施方式所述場景與過濾后背景概率對比圖；

圖2為本發明具體實施方式所述預先采集的三維地圖示例；