[發明專利]一種動態場景下基于GMS特征匹配的語義SLAM方法

在審

• 申請號: 202011365138.3
• 申請日: 2020-11-27
• 公開（公告）號: CN112381841A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 陳政;游林輝;胡峰;孫仝;張謹立;宋海龍;黃達文;王偉光;梁銘聰;黃志就;何彧;陳景尚;譚子毅;潘嘉琪;李志鵬;羅鮮林
• 申請（專利權）人: 廣東電網有限責任公司肇慶供電局
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/246;G06T7/73;G06T7/80
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉瑤云

1.一種動態場景下基于GMS特征匹配的語義SLAM方法，其特征在于，包括以下步驟：

步驟一：標定相機，去除圖像畸變；獲取環境圖像并輸入；

步驟二：通過語義分割網絡對輸入圖像進行分割，獲得各物體掩碼，并將將動態物體的掩碼部分去除，得到初步的去除動態物體后的圖像；

步驟三：對輸入圖像提取ORB特征點，然后計算描述子；

步驟四：根據運動一致性和語義信息結合的方法檢測并剔除動態特征點；

步驟五：利用GMS算法，進行特征點匹配，去除誤匹配；

步驟六：通過跟蹤線程以獲得相機位姿；

步驟七：通過局部建圖線程進行點云處理，獲得稀疏點云地圖；

步驟八：利用回環檢測來優化位姿，更正漂移誤差。

2.根據權利要求1所述的一種動態場景下基于GMS特征匹配的語義SLAM方法，其特征在于，在所述步驟一中，標定相機，去除圖像畸變具體的步驟為：

S1.1：首先獲取相機內參，其中內參包括f_x,f_y,c_x,c_y，將三維坐標(X,Y,Z)歸一化為齊次坐標(x,y)；

S1.2：去除畸變對圖像的影響,其中[k₁,k₂,k₃,p₁,p₂]為該鏡頭的畸變系數，r為該點到坐標系原點的距離：

S1.3：將該攝像機坐標系下的坐標轉到像素坐標系下：

3.根據權利要求1所述的一種動態場景下基于GMS特征匹配的語義SLAM方法，其特征在于，所述語義分割網絡為輕量級語義分割網絡FcHarDnet。

4.根據權利要求1所述的一種動態場景下基于GMS特征匹配的語義SLAM方法，其特征在于，在所述步驟三中，對輸入圖像提取ORB特征點的過程中構建高斯金字塔并在金字塔的不同層進行特征點檢測，達到尺度不變的特性。

5.根據權利要求4所述的一種動態場景下基于GMS特征匹配的語義SLAM方法，其特征在于，ORB特征點提取的具體步驟為：

S3.1：當某點P周圍有超過N個的點的灰度值I(x)與該點P的灰度值I(p)相差大于閾值ε就認為該點為目標角點，具體表示為：

S3.2：為了使特征點保存方向不變，計算質心：

式中，m₀₀，m₁₀，m₀₁是關于關鍵點園內區域像素灰度的積分；

S3.3：通過對原圖像序列以一定比例縮放，構圖像金字塔；圖像金字塔的每一級不同大小的圖像中提取相應的角點；

S3.4:采用四叉樹均勻算法，將圖像不斷向下細分四分尺寸相同的節點，合并無特征點的節點，當節點中特征點數目大于1時增加節點；節點分布完成后，刪除子節點中多余特征點。

6.根據權利要求5所述的一種動態場景下基于GMS特征匹配的語義SLAM方法，其特征在于，在所述步驟四中，運動一致性檢測為：靜態點可以滿足對極幾何約束，如果物體靜止特征點重投影在參考幀上的匹配點一定落在參考幀與極平面的交線上；具體步驟為：

S4.1：p₁，p₂是當前幀和參考幀中匹配點的齊次坐標，其中，u，v是圖像幀中的值，具體為：

p₁＝[u₁,v₁,1],p₂＝[u₂,v₂,1]

S4.2：計算極線，其中F為基礎矩陣可以通過八對特征點計算得到，具體為：

其中，[X Y Z]^T表示極線向量；

S4.3：計算匹配點到其對應極線的距離，如果是靜態D趨近于0，當D大于閾值ε，則該特征點為動態，具體為：

動態點判定方法為：有足夠數量的由運動一致性檢測得到的動態點在這個物體語義分割的掩碼內，則這個物體的所有點都被視為動態的，整個物體掩碼內所有點將被剔除。