[發(fā)明專利]一種融合多視覺特征的閉環(huán)檢測方法

在審

• 申請?zhí)枺?/td>: 202010470336.X
• 申請日: 2020-05-28
• 公開（公告）號: CN111652306A
• 公開（公告）日: 2020-09-11
• 發(fā)明（設(shè)計）人: 張立炎;程君;陳啟宏;周克亮;肖朋
• 申請（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢開元知識產(chǎn)權(quán)代理有限公司 42104
• 代理人: 劉琳

本發(fā)明公開了一種融合多視覺特征的閉環(huán)檢測方法，包括對查詢圖像進(jìn)行灰度化、均衡化、歸一化處理，并將歸一化圖像中心直接作為ORB、FREAK的特征點位置，構(gòu)建圖像的全局特征；然后采用混合最近鄰算法(H?KNN)的改進(jìn)算法：WH?KNN算法對ORB和FREAK全局特征進(jìn)行有效融合，并實現(xiàn)查詢圖像和候序列圖像的特征匹配。同時基于跟蹤模型獲取和更新查詢圖像位置所屬的候選序列，當(dāng)閉環(huán)檢測結(jié)束后，利用閉環(huán)檢測的結(jié)果對候選序列進(jìn)行更新。與傳統(tǒng)的基于Bow的閉環(huán)檢測算法相比較，本發(fā)明算法在實時性和準(zhǔn)確率方面更適合于移動機(jī)器人高精度定位應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明屬于移動機(jī)器人視覺SLAM閉環(huán)檢測技術(shù)領(lǐng)域，具體地是指一種融合多視覺特征的閉環(huán)檢測方法。

背景技術(shù)

隨著計算機(jī)視覺技術(shù)的快速發(fā)展，視覺SLAM(同時定位與地圖構(gòu)建)已經(jīng)被越來越廣泛的應(yīng)用于移動機(jī)器人定位與導(dǎo)航中。其中閉環(huán)檢測作為視覺SLAM系統(tǒng)一個獨立的線程，其功能在于準(zhǔn)確有效地判斷機(jī)器人是否到達(dá)之前訪問過的場景位置，對減少機(jī)器人運(yùn)動累積誤差以及整個SLAM系統(tǒng)后端的優(yōu)化具有及為重要的作用。近年來出現(xiàn)了越來越多的基于詞袋模型(Bow)的閉環(huán)檢測算法，該技術(shù)采用離線的訓(xùn)練過程，從訓(xùn)練圖像中提取大量的特征描述子，并對其進(jìn)行聚類，根據(jù)聚類中心生成視覺字典，在機(jī)器人移動過程中隨著圖像流的不斷輸入，利用上述詞典在線產(chǎn)生一個數(shù)據(jù)庫，然后通過計算當(dāng)前關(guān)鍵幀與數(shù)據(jù)庫候選匹配幀之間Bow向量的相似性得分來判斷閉環(huán)是否該發(fā)生。目前，基于Bow的方法成為了最為主流的閉環(huán)檢測方法之一，然而該方法的缺點是在圖像的局部特征提取過程中需要消耗大量時間，而且隨著移動機(jī)器人地圖的擴(kuò)大，其計算量會逐漸增大，導(dǎo)致整個閉環(huán)系統(tǒng)實時性和可靠性急劇下降。圖像特征點的提取和描述對整個閉環(huán)檢測系統(tǒng)的實時性和精度起著關(guān)鍵作用，目前比較常用的檢測子和描述子有SIFT、SURF、ORB、BRISK、FREAK等，其中SIFT和SUFT具有尺度和旋轉(zhuǎn)不變性；ORB同樣具有旋轉(zhuǎn)不變性，它是在FAST檢測子和BRIEF描述子的基礎(chǔ)上加以改進(jìn)，速度比SIFT快兩個數(shù)量級；BRISK描述子被成功用在了Okvis視慣SLAM系統(tǒng)中；FREAK描述子是一種快速視網(wǎng)膜關(guān)鍵點算法，受人類視網(wǎng)膜原理的啟發(fā)，相比較于BRISK描述子，它的計算速度更快，內(nèi)存負(fù)載更低，而且魯棒性更好，適合于嵌入式系統(tǒng)或?qū)崟r系統(tǒng)。基于上述背景本發(fā)明選取FREAK和ORB兩種視覺特征作為提取對象。為了加快閉環(huán)檢測速度，在以上特征點提取過程中直接將歸一化圖像中心作為特征點的位置，避免了繁瑣且耗時的特征點定位過程，進(jìn)一步提高了計算速度。保證了閉環(huán)檢測系統(tǒng)精度的同時，提高了系統(tǒng)的實時性。

發(fā)明內(nèi)容

針對上述背景技術(shù)存在的不足，本發(fā)明提出一種融合多視覺特征的閉環(huán)檢測方法，有效解決了H-KNN或KNN算法的分類模糊問題，提高了閉環(huán)檢測的準(zhǔn)確率。

為實現(xiàn)上述目的，本發(fā)明所設(shè)計的一種融合多視覺特征的閉環(huán)檢測方法，其特殊之處在于，所述方法包括以下步驟：

所述方法包括以下步驟：

步驟1)：對當(dāng)前查詢圖像I_Q進(jìn)行預(yù)處理；

步驟2)：提取圖像的ORB和FREAK全局特征，并對特征加入方向信息；

步驟3)：構(gòu)建基于高斯概率分布的跟蹤模型，完成地圖中候選序列的獲取；

步驟4)：基于WH-KNN算法融合ORB和FREAK全局特征，完成查詢圖像的特征融合以及查詢圖像與候選序列的匹配過程，實現(xiàn)閉環(huán)檢測；

步驟5)：基于步驟4)中閉環(huán)檢測結(jié)果完成地圖候選序列的更新，等待下一次閉環(huán)檢測使用。

優(yōu)選地，所述步驟1)中預(yù)處理包括對查詢圖像進(jìn)行灰度化、均衡化、歸一化操作。

優(yōu)選地，所述步驟2)中將圖像中心直接作為的特征點位置，且將歸一化的圖像作為特征點的鄰域區(qū)域，提取圖像的ORB與FREAK全局特征，并計算ORB和FREAK描述子的主方向，使其具有旋轉(zhuǎn)不變性。