[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

本發明涉及一種動態場景下基于GMS特征匹配的語義SLAM方法，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；對輸入圖像提取ORB特征點，然后計算描述子；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；通過運動一致性和語義信息結合去除動態的方式，提高了視覺SLAM系統在高動態的環境中運行的精度和魯棒性。

技術領域

本發明涉及無人機自主巡檢中基于視覺的定位與導航領域，更具體地，涉及一種動態場景下基于GMS特征匹配的語義SLAM方法。

背景技術

無人機智能巡檢過程中需要無人機根據當前所處環境的實時信息、自主確定下一步操作。因此對無人機進行實時定位與工作環境建圖是無人機智能巡檢過程中的重要環節。尤其是在網格化布置的多無人機協同工作中，每個無人機所檢測到的環境都是動態場景(包含時有時無的移動物體)，因此在定位和環境建圖過程中還需針對動態場景開發專用算法。

同時定位與建圖(Simultaneous Localization and Mapping,SLAM)是一種在沒有任何環境先驗信息的情況下，能通過傳感器由相應的運動估計算法估計出當前的位置和姿態，并建立環境的三維地圖的技術。隨著計算機視覺和深度學習技術的發展，以及硬件計算能力的提高，基于視覺的SLAM研究不斷深化，并廣泛應用于自主駕駛、移動機器人和無人機等領域。

公開號為“CN110322511A”，公開日為2019年10月11日的中國專利申請文件公開了一種基于物體和平面特征的語義SLAM方法和系統，獲取場景的RGB-D圖像流，利用RGB-D圖像流進行逐幀跟蹤得到關鍵幀圖像；利用關鍵幀圖像構建關于場景的局部地圖，對關鍵幀圖像的深度圖進行平面分割得到當前平面，利用當前平面構建全局平面地圖，對關鍵幀圖像進行物體檢測，得到檢測框和置信度，利用檢測框和置信度重建物體的點云，將檢測框中的特征點歸并到物體，得到全局物體地圖；利用關鍵幀圖像進行回環檢測，得到回環幀，利用回環幀進行回環修正優化平面約束與物體約束，得到場景的平面地圖和物體地圖。本發明可以提升SLAM優化性能，并增強對環境的語義描述。

但是在上述的方法中，應用場景基本上是針對靜態的，而實際運用過程中環境中的動態信息是不可忽視的。上述SLAM方法缺少處理動態場景的機制，可能會造成初始化失敗，定位誤差過大，建圖失敗等一系列問題,導致SLAM系統在動態場景下運行的精度低和魯棒性差的問題。

發明內容

本發明為克服上述現有技術中動態場景下SLAM方法檢測精度和魯棒性低的問題，提供一種動態場景下基于GMS特征匹配的語義SLAM方法，通過運動一致性和語義信息結合去除動態的方式，提高了視覺SLAM系統在動態環境中運行的精度和魯棒性。

為解決上述技術問題，本發明采用的技術方案是：一種動態場景下基于GMS特征匹配的語義SLAM方法，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。

優選的，在所述步驟一中，標定相機，去除圖像畸變具體的步驟為：