[發(fā)明專利]基于熵加權(quán)圖像梯度的半直接單目視覺SLAM方法

有效

• 申請?zhí)枺?/td>: 202110354965.0
• 申請日: 2021-04-01
• 公開（公告）號: CN113206949B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設(shè)計）人: 朱靜;明家輝;鐘綺嵐;王坤輝;凌興濤;李林;尹邦政;梁健;梁顯武;林艷梅
• 申請（專利權(quán)）人: 廣州大學
• 主分類號: H04N23/73
• 分類號: H04N23/73;H04N23/741;H04N23/60;H04N23/95;H04N25/57
• 代理公司: 廣州市華學知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 李斌

1.基于熵加權(quán)圖像梯度的半直接單目視覺SLAM方法，其特征在于，包括以下步驟：

S1、開啟相機先通過調(diào)整光圈和曝光增益達到最佳的曝光效果，并記錄曝光時間，并讀入下一幀圖像；

S2、若當前圖像與上一幀圖像的平均亮度差值的絕對值超過上一幀圖像亮度平均值的15％，則將當前圖像分成若干個圖像塊；

S3、計算每個圖像塊的圖像熵，根據(jù)圖像熵分配權(quán)重；圖像塊的圖像熵具體由公式(1)計算得到，公式(1)如下：

其中，j表示任一圖像塊，E_j表示圖像塊j的圖像熵；

根據(jù)圖像熵分配權(quán)重具體為：

權(quán)重由基于分塊圖像熵的權(quán)值函數(shù)決定，權(quán)值函數(shù)具體如下：

其中，W(E_j)表示圖像塊j的權(quán)重；根據(jù)公式(2)得所述圖像塊的圖像熵越小，則權(quán)重越接近于0，圖像塊的圖像熵越大，則權(quán)重越接近于1；

S4、計算每個圖像塊的圖像梯度，根據(jù)步驟S3分配的權(quán)重，對所有圖像塊的梯度進行累加得到圖像熵加權(quán)圖像梯度值；

S5、記錄6次調(diào)整相機曝光時間后的圖像熵加權(quán)圖像梯度值，分別作為多項式擬合曲線的6個點的x坐標和y坐標，擬合曲線后用牛頓迭代法尋找曲線函數(shù)值最大值，其對應(yīng)的x坐標即為最優(yōu)曝光時間；

S6、通過對應(yīng)接口傳入半直接法單目視覺SLAM的視覺里程計中；

S7、判斷相機獲取的圖片是否為最后一幀圖像，若否，則對比上一幀圖像的亮度平均值并返回到步驟S1，若是，則結(jié)束。

2.根據(jù)權(quán)利要求1所述的基于熵加權(quán)圖像梯度的半直接單目視覺SLAM方法，其特征在于，所述圖像塊的圖像梯度計算過程如下：

采用圖像金字塔將分辨率設(shè)為320*240，并分成48塊圖像塊，每個圖像塊大小為40*40；

計算圖像塊的圖像梯度，圖像梯度表示為像素的x方向和y方向的導數(shù)：

其中，圖像塊中每個像素i的梯度記為圖像塊j的圖像梯度即圖像塊j中每個像素i的梯度的總和，記為Grad_j。

3.根據(jù)權(quán)利要求2所述的基于熵加權(quán)圖像梯度的半直接單目視覺SLAM方法，其特征在于，所述熵加權(quán)圖像梯度值的計算過程如下：

通過公式(4)對每個圖像塊覆上權(quán)重，則計算出圖像的熵加權(quán)圖像梯度：

G_j＝W(E_j)*Grad_j(4)。

4.根據(jù)權(quán)利要求1所述的基于熵加權(quán)圖像梯度的半直接單目視覺SLAM方法，其特征在于，所述調(diào)整相機曝光時間具體操作為：

若當前幀圖像比上一幀圖像的平均亮度值大，則將上一幀圖像標為對比圖像，減小相機曝光時間5次，每次調(diào)整幅度為對比圖像曝光時間的5％；

若當前幀圖像比上一幀圖像的平均亮度值小，則增加相機曝光時間5次，每次調(diào)整幅度為對比圖像曝光時間的5％。

5.根據(jù)權(quán)利要求1所述的基于熵加權(quán)圖像梯度的半直接單目視覺SLAM方法，其特征在于，所述相機具體采用分辨率為640*480像素的相機。