[發明專利]一種視覺閉環檢測系統在審
| 申請號: | 201711287142.0 | 申請日: | 2017-12-07 |
| 公開(公告)號: | CN109902691A | 公開(公告)日: | 2019-06-18 |
| 發明(設計)人: | 覃爭鳴;周健;李康 | 申請(專利權)人: | 廣州映博智能科技有限公司 |
| 主分類號: | G06K9/46 | 分類號: | G06K9/46;G06K9/52;G06K9/62 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 510665 廣東省廣州市*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 閉環檢測 幾何結構特征 視覺特征 預處理 視覺 幾何特征提取 視覺特征提取 數據采集模塊 特征融合模塊 場景 激光傳感器 場景圖像 方法融合 數據降維 采集 融合 | ||
本發明公開了一種視覺閉環檢測系統,所述系統包括:數據采集模塊,使用激光傳感器采集場景圖像并進行預處理;幾何特征提取模塊,提取場景的幾何結構特征;視覺特征提取模塊,提取場景的視覺特征;特征融合模塊,用數據降維方法融合幾何結構特征和視覺特征;閉環檢測模塊,使用融合特征進行閉環檢測。
技術領域
本發明涉及閉環檢測技術,具體涉及視覺閉環檢測系統。
背景技術
隨著各項性能的提高,服務機器人可以在人們日常生活中完成越來越多的任務,比如打掃衛生、移動物體等等。為了使任務完成得更加流暢,機器人必須對周圍的環境進行更詳細和準確的感知和認識。
地圖表示是機器人定位與建圖的基礎,即采用場景中的某些特殊的點、線、面或場景圖像里的一些視覺特征表征機器人的位姿,通過對該類特征進行匹配比較,即可推測機器人當前的位姿。
閉環檢測對于提高機器人地圖表示算法的穩定性有著極其重要的作用,閉環檢測的基本定義是機器人在探索過程中不停的檢測是否回到了一個過去已經訪問過的位置。這種檢測方法可以提高機器人實際的位置估計精度,確認之前是否通過這一區域同樣也涉及到全局定位問題,甚至對解決機器人綁架問題都十分有益。
主流的閉環檢測方法依賴于視覺特征,即通過攝像頭采集室內環境中物體和背景的視覺特征,通過視覺特征匹配,進行閉環檢測。然而室內環境中大量重復出現的視覺場景如門窗等會導致視覺特征匹配的“感知混淆”現象。此外,基于視覺特征的方法并不能充分利用室內環境中幾何場景的結構化、半結構化特征。
發明內容
本發明目的在于克服現有技術的不足,尤其解決室內環境中大量重復出現的視覺場景如門窗會導致視覺特征匹配的“感知混淆”現象的問題,以及基于視覺特征的方法并不能充分利用室內環境中幾何場景的結構化、半結構化特征的問題。
為解決上述技術問題,本發明提供一種視覺閉環檢測系統,其中,所述基于多特征融合的閉環檢測系統包括:數據采集模塊,使用激光傳感器采集場景圖像并進行預處理;幾何特征提取模塊,提取場景的幾何結構特征;視覺特征提取模塊,提取場景的視覺特征;特征融合模塊,用數據降維方法融合幾何結構特征和視覺特征;閉環檢測模塊,使用融合特征進行閉環檢測。
該發明方案的有益效果在于,通過場景外觀的視覺特征與幾何結構特征融合,獲得了健壯的場景特征表示,并利用特征匹配的幾何空間約束減少場景匹配中的“感知混淆”,減少誤檢率,因此本發明方案具有良好的可拓展性和健壯性。
附圖說明
圖1是本發明的實施例的基于多特征融合的閉環檢測系統示意圖。
具體實施方式
下面結合附圖及具體實施例對本發明進行更加詳細與完整的說明。可以理解的是,此處所描述的具體實施例僅用于解釋本發明,而非對本發明的限定。
圖1是根據本發明的實施例的基于多特征融合的閉環檢測系統示意圖。
參照圖1,所述基于多特征融合的閉環檢測系統包括:數據采集模塊10,使用激光傳感器采集場景圖像并進行預處理;幾何特征提取模塊20,提取場景的幾何結構特征;視覺特征提取模塊30,提取場景的視覺特征;特征融合模塊40,用數據降維方法融合幾何結構特征和視覺特征;閉環檢測模塊50,使用融合特征進行閉環檢測。
具體而言,本實施例描述如下:
數據采集模塊10:使用激光傳感器采集場景圖像并進行預處理。經過激光傳感器對周圍場景進行掃描后,得到多個離散的激光掃描點返回的點狀數據,
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣州映博智能科技有限公司,未經廣州映博智能科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711287142.0/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:圖像識別技術
- 下一篇:一種基于局部區域深度特征編碼的圖像分類方法





