[發明專利]一種面向復雜環境下融入語義信息的SLAM回環檢測方法

在審

• 申請號: 202110241012.3
• 申請日: 2021-03-04
• 公開（公告）號: CN112990195A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 吳俊君;朱小滿;施清武
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06K9/32
• 分類號: G06K9/32;G01C21/20;G06K9/62
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 李斌

本發明提供了一種面向復雜環境下融入語義信息的SLAM回環檢測方法，包括如下步驟：獲取移動機器人運動過程中拍攝的圖像；選擇圖像的關鍵幀；提取關鍵幀中的圖像特征信息，并根據圖像特征信息獲取語義目標位置信息；將語義目標位置信息轉換成場景描述符集，并根據場景描述符集構建語義表示模型；對語義表示模型的向量進行降維處理后導入最優投影指導的遷移哈希中以獲取二進制哈希碼，并通過二進制哈希碼進行相似度計算；根據相似度對關鍵幀進行回環檢測，判斷回環檢測是否發生。本發明可以有效解決傳統的實時在線語義回環檢測方法存在因離線數據庫容量大而導致檢索時間較長、回環檢測效率低的問題，提高了回環檢測效率。

技術領域

本發明涉及圖像數據處理技術領域，具體而言，涉及一種面向復雜環境下融入語義信息的SLAM回環檢測方法。

背景技術

視覺SLAM(simultaneous localization and mapping，同步定位與建圖)作為移動機器人自主導航的關鍵技術，能適用于自然環境中大范圍長周期的機器人定位與環境地圖構建，近年來一直受到全球學術界和工業界的重視和廣泛關注。機器人對環境的理解與認知程度決定了其自主導航的智能化水平，而構建高精度的環境語義地圖是實現機器人自主導航的關鍵。機器人只有從目前“基于底層感知信息構建環境地圖”的層次進入到“基于認知信息構建智能化語義地圖”的層次，才能使機器人實現真正意義上的類人自主導航。

視覺SLAM的核心環節——回環檢測，對于提高SLAM系統的精度和減小誤差具有重要意義。在現有的視覺SLAM算法框架中，實時在線的語義回環檢測是機器人定位與環境地圖構建的核心問題，也是最具挑戰性的科學問題。由于環境語義信息具有比較穩定的特性，故而實時在線的語義回環檢測效果有助于構建高精度的移動機器人環境語義地圖。然而，傳統的實時在線語義回環檢測方法存在因離線數據庫容量大而導致檢索時間較長、回環檢測效率低的問題。

發明內容

基于此，為了解決傳統的實時在線語義回環檢測方法存在因離線數據庫容量大而導致檢索時間較長、回環檢測效率低的問題，本發明提供了一種面向復雜環境下融入語義信息的SLAM回環檢測方法，其具體技術方案如下：

一種面向復雜環境下融入語義信息的SLAM回環檢測方法，包括如下步驟：

獲取移動機器人運動過程中拍攝的圖像；

選擇所述圖像的關鍵幀；

提取所述關鍵幀中的圖像特征信息，并根據所述圖像特征信息獲取語義目標位置信息；

將所述語義目標位置信息轉換成場景描述符集，并根據所述場景描述符集構建語義表示模型；

對所述語義表示模型的向量進行降維處理后導入最優投影指導的遷移哈希中以獲取二進制哈希碼，并通過所述二進制哈希碼進行相似度計算；

根據所述相似度對所述關鍵幀進行回環檢測，判斷回環檢測是否發生。

上述面向復雜環境下融入語義信息的SLAM回環檢測方法針對大規模復雜多變環境下語義地圖增量式構建所產生的海量語義信息，考慮回環檢測計算復雜性問題，通過提取所述關鍵幀中的圖像特征信息并根據所述圖像特征信息獲取語義目標位置信息，然后將所述語義目標位置信息轉換成場景描述符集并根據所述場景描述符集構建語義表示模型，最后對所述語義表示模型的向量進行降維處理后導入最優投影指導的遷移哈希中以獲取二進制哈希碼并通過所述二進制哈希碼計算相似度來對所述關鍵幀進行回環檢測，判斷回環檢測是否發生，可以有效解決傳統的實時在線語義回環檢測方法存在因離線數據庫容量大而導致檢索時間較長、回環檢測效率低的問題，提高了回環檢測效率。

進一步地，所述選擇所述圖像的關鍵幀的具體方法包括如下步驟：

利用滑動窗將所述圖像分塊；

分別從亮度、對比度和結構三方面度量所述圖像；