[發明專利]一種基于視覺定位的局部地圖優化方法

有效

• 申請號: 201911422992.6
• 申請日: 2019-12-31
• 公開（公告）號: CN111222514B
• 公開（公告）日: 2023-06-27
• 發明（設計）人: 呂明;白陽;薛文通;李杰;馬盼;劉芳;趙蓓;王莎;王玲玲;趙彥彥
• 申請（專利權）人: 上海星思半導體有限責任公司
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/74;G06T7/246
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 張金銘

本發明實施例提供的一種基于視覺定位的局部地圖優化方法，能夠根據圖像特點，自適應調整參數，提取質量更高的特征點；能夠將特征點均勻分布在圖像區域，更有利于后續的匹配過程；同時，針對傳統的直接采用隨機抽樣一致性方法進行誤匹配篩選，因為樣本點過多而導致隨機抽樣一致性方法出現錯誤的情況，采用Jaccard相似度進行第一次篩選，降低樣本數量后，再進行隨機抽樣一致性方法算法，能夠提高匹配的正確率，在匹配成功后，將更新特征后的圖像替代原有的地圖圖像，進而實現對局部地圖優化，以保證地圖的準確性。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種基于視覺定位的局部地圖優化方法。

背景技術

目前，計算機視覺不斷發展，視覺被廣泛應用于各個領域，工業、醫學、交通、軍事等等。特征提取與匹配技術是計算機視覺領域的一大研究熱點，尤其在視覺導航領域，高精度的圖像特征提取與匹配是決定視覺導航前端性能的關鍵。

近年來，ORB算法以其良好的性能被廣泛應用于各類研究中，但一方面提取關鍵點數量和質量依賴于FAST閾值的設定，固定的FAST閾值設置難以滿足不同圖像所需要的特征點的數目和質量，另一方面，特征點的分布對于后續的匹配存在較大的影響，應當盡量使得特征點分布均勻，同時，目前傳統的特征點匹配方法依然存在較大的誤匹配情況。

發明內容

為了解決目前傳統的特征點匹配方法依然存在較大的誤匹配的問題，本發明實施例提供了一種基于視覺定位的局部地圖優化方法。具體技術方案如下：

本發明實施例提供了一種基于視覺定位的局部地圖優化方法，包括：

獲取局部地圖的第一圖片、第二圖片，并構建第一圖片的第一圖像金字塔；構建第二圖片的第二圖像金字塔；

將第一圖像金字塔中的第一層作為第一當前層；將第二圖像金字塔的第一層作第二當前層

采用ORB技術分別對所述第一當前層、第一當前層進行特征提取以及對所述特征進行描述子計算，以確定特征點的方向；

將所述第一圖像金字塔中的每一層作為第一當前層，將將所述第二圖像金字塔中的每一層作為第二當前層，對所述第一圖像金字塔、第二圖像金字塔中的每一層進行特征提取以及對所述特征進行描述子計算；

將所述第一圖片與所述第二圖片進行特征匹配；

對匹配后的所述第一圖像以及所述第二圖片進行運動估計，得到運動估計結果；

根據所述運動估計結果對所述局部地圖進行優化。

可選的，采用ORB技術分別對所述第一當前層、第一當前層進行特征提取以及對所述特征進行描述子計算包括：

分別對所述第一當前層以及所述第二當前層進行粗提?。坏玫剿龅谝划斍皩拥亩鄠€特征點以及所述第二當前層的多個特征；

利用ID3算法創建決策樹模型，將所述第一當前層的多個特征點分別置于所述決策樹模型中，得到所述第一當前層的多個FAST特征點；將所述第二當前層的多個特征點分別置于所述建決策樹模型中，得到所述第二當前層的多個?FAST特征點；

使用非極大值抑制去除所述第一當前層的多個FAST特征點中，局部密集的特征點；使用非極大值抑制去除所述第二當前層的多個FAST特征點中，局部密集的特征點；

對所述第一圖像金字塔中去除局部密集的特征點后的特征點進行縮放，形成第一nlevels幅；對所述第二圖像金字塔中去除局部密集的特征點后的特征點進行縮放；形成第二nlevels幅；所述第一nlevels幅中所有的特征點作為所述第一圖片的OFAST特征點，將所述第二nlevels幅中所有的特征點作為所述第二圖片的OFAST特征點；

利用矩法來確定OFAST特征點的方向。