[發明專利]基于室內特征點和結構線結合的室內SLAM方法

有效

• 申請號: 201710552072.0
• 申請日: 2017-07-07
• 公開（公告）號: CN107392964B
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 姚劍;劉康;謝仁平;趙嬌;李禮
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06T7/55;G05D1/02
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 薛玲

本發明涉及室內特征點和結構線結合的視覺SLAM算法，包括：S1進行相機內參標定；S2針對相機獲取的視頻幀影像數據，提取特征點和結構線；S3根據獲取的特征點和結構線，進行特征點和結構線跟蹤，并進行關鍵幀選取；S4根據獲取的特征點和結構線的跟蹤信息，進行周圍環境空間點和空間線制圖以及平臺定位優化；S5判斷平臺運動軌跡是否形成閉環，獲取正確的閉環關鍵幀，對全局的影像姿態和地圖進行整體優化；S6輸出結果。本發明具有實時性、高效性，利用匹配的特征點和結構線對影像的姿態和周圍的環境進行制圖，并進行了回環檢測處理，在充分利用結構線減少漂移誤差的同時，利用回環檢測最后可以獲取較好地移動機器人平臺定位結果和周圍環境的結構特征。

技術領域

本發明屬于攝影測量與計算機視覺領域，尤其涉及室內特征點和結構線結合的視覺SLAM算法。

背景技術

隨著計算機視覺和攝影測量的發展，圖優化SLAM(Simultaneous Localizationand Mapping)越來越引起視覺SLAM研究者的注意，其將運動估計和光束法平差引入到了SLAM中來，運動估計是將機器人的位置和周圍環境特征當作全局優化問題來求解，通過提取影像上的特征點、結構線等，進行特征跟蹤，建立觀測誤差方程，并通過線性或者非線性優化求解觀測誤差值最小來計算最優的機器人位置和周圍環境特征。早先的運動估計由于在特征提取和匹配以及后續的優化環節耗時太多，無法在線實時完成自身定位和地圖構建，只能做離線的姿態優化和三維重建，近些年來，計算機視覺研究者們通過稀疏矩陣、多線程等方法逐漸降低了運算耗時，圖優化SLAM技術也能夠達到了在線處理。

視覺SLAM所采用的圖像特征主要包括圖像像素、圖像點特征、圖像線特征以及面特征等。

其中，基于影像點特征的視覺SLAM技術一直是研究的熱點內容，算法比較成熟。基于點特征的SLAM算法利用影像上特征點為基礎，能夠實時的進行特征跟蹤、構圖、閉環檢測，完成同時定位與制圖的全過程，是目前視覺SLAM領域最為領先的算法之一。由于點特征容易受到光照、噪聲的干擾，且構建出的三維點地圖比較稀疏，無法表達真實的場景結構，在點特征不夠豐富的區域，又容易跟蹤失敗，因此能代表環境結構的線特征和面特征也逐漸引起了研究者們的關注，特別是在人造建筑比較多的區域，比如街道和室內環境等。相比較點特征而言，線特征受環境影響比較小且同時能夠更好地表達更高語義的環境信息。因此，基于結構線的SLAM算法也是研究者們的熱點研究對象。

由于特征提取和匹配會消耗較多的計算量，因此基于影像像素的視覺SLAM也逐漸引起了研究者們的關注，基于影像像素的視覺SLAM算法直接使用圖像灰度信息進行影像跟蹤，無需特征提取和描述，直接使用圖像的梯度進行跟蹤和優化，這在特征較少的區域可以增強視覺SLAM的連續性，但其完全依靠圖像像素，對于光照變化較為強烈的區域效果比較差，且僅依靠圖像像素梯度，計算得到的定位和構圖精度也相對比較低。

發明內容

為了解決上述技術問題，能快速、高效、準確地獲取室內移動機器人的實時定位和制圖結果，本文提供了一種基于室內特征點和結構線的視覺定位與制圖算法。

本發明所采用的技術方案是：基于室內特征點和結構線結合的室內SLAM方法，其特征在于，包括以下步驟：

步驟1，進行相機內參標定，所述相機內參包括相機主點、焦距與畸變系數；

步驟2，針對移動機器人平臺上相機獲取的視頻幀影像數據，提取每一影像幀上的特征點和結構線；

步驟3，根據獲取的特征點和結構線，進行特征點和結構線跟蹤，并進行關鍵幀選取，具體包括如下子步驟；

步驟3.1，根據步驟2中獲取的特征點，利用特征描述符距離進行特征點跟蹤，獲取較好的跟蹤特征點對；

步驟3.2，根據步驟2中獲取的結構線，利用結構線的參數進行結構線跟蹤，獲取較理想的跟蹤結構線對，其中所述結構線的參數包括結構線的中點位置、線的長短、角度方向；