[發(fā)明專利]基于距離度量的視覺詞典閉環(huán)檢測方法與裝置

有效

• 申請?zhí)枺?/td>: 201810020343.2
• 申請日: 2018-01-09
• 公開（公告）號: CN108256563B
• 公開（公告）日: 2020-05-26
• 發(fā)明（設(shè)計(jì)）人: 王聲平;張立新
• 申請（專利權(quán)）人: 深圳市無限動力發(fā)展有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 深圳市明日今典知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44343
• 代理人: 王杰輝

本發(fā)明揭示了一種基于距離度量的視覺詞典閉環(huán)檢測方法與裝置，其中，基于距離度量的視覺詞典閉環(huán)檢測方法包括：確定當(dāng)前幀圖片對應(yīng)的第一位姿與歷史幀圖片對應(yīng)的第二位姿之間的最短空間距離，所述歷史幀圖片為與所述當(dāng)前幀圖片的相似度達(dá)到第一預(yù)設(shè)閾值的幀圖片；若所述最短空間距離小于第二預(yù)設(shè)閾值，則將所述歷史幀圖片納入候選幀圖片集合，所述第二預(yù)設(shè)閾值為預(yù)先獲取到的所述當(dāng)前幀與其鄰近幀的不確定度的預(yù)設(shè)倍數(shù)；將所述候選幀圖片與所述當(dāng)前幀圖片進(jìn)行閉環(huán)檢測。本發(fā)明結(jié)合最短空間距離約束視覺詞典中相似圖片的選擇范圍，以便找到合適的相似圖片進(jìn)行閉環(huán)檢測，有效減少視覺歧義，提高閉環(huán)檢測的準(zhǔn)確性，增加機(jī)器人的定位精度。

技術(shù)領(lǐng)域

本發(fā)明涉及到機(jī)器人領(lǐng)域，特別是涉及到基于距離度量的視覺詞典閉環(huán)檢測方法與裝置。

背景技術(shù)

同步定位與地圖構(gòu)建是移動機(jī)器人導(dǎo)航領(lǐng)域的基本問題與研究熱點(diǎn)，是否具備同步定位與地圖構(gòu)建的能力被許多人認(rèn)為是機(jī)器人是否能夠?qū)崿F(xiàn)自主導(dǎo)航的關(guān)鍵的前提條件。SLAM(Simultaneous Localization and Mapping，定位與地圖構(gòu)建)過程中機(jī)器人實(shí)現(xiàn)自定位的同時(shí)構(gòu)建環(huán)境地圖，由于先驗(yàn)知識的匱乏和環(huán)境的不確定性，機(jī)器人在行走的過程中需要判斷當(dāng)前位置是否處于已經(jīng)訪問過的環(huán)境區(qū)域，并以此作為判斷是否需要環(huán)境更新的依據(jù)，即閉環(huán)檢測問題。由于視覺傳感器觀測的范圍有限，單目視覺SLAM閉環(huán)檢測面臨很多問題，包括機(jī)器人運(yùn)動的不確定性和誤差會導(dǎo)致數(shù)據(jù)關(guān)聯(lián)錯誤、視覺特征如何檢測、視覺場景模型如何表征等等。其中如何準(zhǔn)確建立場景模型是視覺SLAM閉環(huán)檢測的關(guān)鍵，目前大部分基于視覺的場景模型通過直接獲得的環(huán)境外觀特征來描述。BoVW(Bag of VisualWords)算法是一種有效的圖像特征建模方法，被廣泛用于視覺SLAM閉環(huán)檢測。該方法首先用SURF(Speed-up robust features，加速健壯特征)或SIFT(Scale-invariant featuretransform，尺度不變特征轉(zhuǎn)換)算子提取圖像的局部特征，然后將特征進(jìn)行分類構(gòu)建視覺詞典，基于創(chuàng)建的視覺詞典，任何一幅圖像都可以用視覺詞典中的視覺單詞集合進(jìn)行表征。然而，由于視覺掃地機(jī)視野范圍小，難免會出現(xiàn)不在同一地方拍攝到的兩幀圖像具有很相似的特征，這時(shí)單純利用視覺詞典匹配得到的閉環(huán)很可能代表錯誤的信息，引入錯誤的信息就會導(dǎo)致掃地機(jī)定位出現(xiàn)錯誤，進(jìn)而影響整個系統(tǒng)的穩(wěn)定性。

因此，現(xiàn)有技術(shù)還有待改進(jìn)。

發(fā)明內(nèi)容

本發(fā)明的主要目的為提供一種基于距離度量的視覺詞典閉環(huán)檢測方法，旨在解決單純利用視覺詞典匹配的閉環(huán)信息不準(zhǔn)確而導(dǎo)致掃地機(jī)定位錯誤的技術(shù)問題。

本發(fā)明第一方面提出一種基于距離度量的視覺詞典閉環(huán)檢測方法，包括：

確定當(dāng)前幀圖片對應(yīng)的第一位姿與歷史幀圖片對應(yīng)的第二位姿之間的最短空間距離，所述歷史幀圖片為與所述當(dāng)前幀圖片的相似度達(dá)到第一預(yù)設(shè)閾值的幀圖片；

若所述最短空間距離小于第二預(yù)設(shè)閾值，則將所述歷史幀圖片納入候選幀圖片集合，所述第二預(yù)設(shè)閾值為預(yù)先獲取到的所述當(dāng)前幀與其鄰近幀的不確定度的預(yù)設(shè)倍數(shù)；

將上述候選幀圖片與上述當(dāng)前幀圖片進(jìn)行閉環(huán)檢測。

優(yōu)選地，上述確定當(dāng)前幀圖片對應(yīng)的第一位姿與歷史幀圖片對應(yīng)的第二位姿之間的最短空間距離的步驟，包括：

根據(jù)移動過程中形成的位姿空間約束關(guān)系確定上述第一位姿與上述第二位姿之間的不確定性；

根據(jù)上述不確定性通過Dijkstra最短路徑算法尋找上述第一位姿與上述第二位姿之間的最短距離；

將上述最短距離設(shè)定為上述最短空間距離。

優(yōu)選地，上述根據(jù)移動過程中形成的位姿空間約束關(guān)系確定上述第一位姿與上述第二位姿之間的不確定性的步驟，包括：

計(jì)算上述第一位姿與上述第二位姿之間的協(xié)方差矩陣；