[發明專利]基于改進型的視覺詞典樹的圖像閉環檢測方法

有效

• 申請號: 202110493714.0
• 申請日: 2021-05-07
• 公開（公告）號: CN113191435B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 趙勃;杭程
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06V10/74
• 分類號: G06V10/74;G06V10/762;G06V10/764;G06K9/62;G06F40/216;G06F40/242;G06F40/30
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

本發明提供了一種基于改進型的視覺詞典樹的圖像閉環檢測方法，包括如下步驟：步驟1，利用分層的K均值聚類方案建立視覺詞典樹，使用所述視覺詞典樹中的每個節點以及每個節點的TF?IDF熵而得出的得分向量描述至少兩張預定幀的圖像；步驟2，對步驟1中的圖像進行相似性計算；步驟3，利用圖像在時間和空間上的約束關系來對誤正閉環進行處理。本發明有效減少了閉環檢測中存在的感知歧義問題并能夠有效提高閉環檢測召回率。

技術領域

本發明涉及一種基于改進型的視覺詞典樹的圖像閉環檢測方法，屬于移動機器人導航技術領域。

背景技術

隨著現代高科技技術的快速發展，對于移動機器人技術的研究也在不斷更新進步。在自動駕駛，無人機自主導航以及場景三維重建中受到許多關注的同時定位與建圖技術(Simultaneous Localization and Mapping,SLAM) 是實現移動機器人能夠自主化完成任務的關鍵技術。同時定位與建圖技術指的是當移動機器人進入一個未知的環境時，需要其通過自身攜帶的相機，激光雷達，IMU等傳感器來構建其當前所處環境的3D環境地圖，并且能夠同時確定該機器人自身所處于地圖中的位置。在以相機作為傳感器的視覺SLAM問題中，隨著追蹤時間的增長，系統會不停地累計誤差，閉環檢測技術通過判斷機器人是否回到了之前訪問過的環境區域，對消除機器人位姿估計的累計誤差以及保持地圖在長時間下的準確性有很好的效果，是 SLAM技術中的關鍵環節和基礎問題。

現有的閉環檢測方案在場景相似的情況下會存在感知歧義的問題，以及在保證準確率的情況下召回率不高的問題。

有鑒于此，確有必要提出一種基于改進型的視覺詞典樹的圖像閉環檢測方法，以解決上述問題。

發明內容

本發明的目的在于提供一種基于改進型的視覺詞典樹的圖像閉環檢測方法，以有效減少閉環檢測中存在的感知歧義問題并能夠有效提高閉環檢測召回率。

為實現上述目的，本發明提供了一種基于改進型的視覺詞典樹的圖像閉環檢測方法，包括如下步驟：

基于改進型的視覺詞典樹的圖像閉環檢測方法，包括如下步驟：

步驟1，利用分層的K均值聚類方案建立視覺詞典樹，使用所述視覺詞典樹中的每個節點以及每個節點的TF-IDF熵而得出的得分向量描述至少兩張預定幀的圖像；

步驟2，對步驟1中的圖像進行相似性計算；

步驟3，利用圖像在時間和空間上的約束關系來對誤正閉環進行處理。

作為本發明的進一步改進，步驟1包括：

步驟1-1，采用分層的K均值聚類方案來建立視覺詞典樹：創建一棵κ個分支數以及l層的樹，對每一層的每個分支都遞歸調用K均值聚類方法，以得到下一層的κ個更細分支，一共調用到l層結束；

步驟1-2，對采集到的圖像提取圖像特征，并將圖像特征投影到視覺詞典樹，以得到該圖像對應的描述向量；

步驟1-3，利用所述視覺詞典樹中的不同節點的TF-IDF熵來表示圖像在不同節點的得分權重：其中，l表示視覺詞典樹的層數，i代表第l層的節點數，代表圖像P在視覺詞典樹的第l層上的第i個節點的得分權重，n_i和n分別表示圖像特征投影到節點i的特征點數以及特征點總數，N和N_i分別代表需要處理的圖像總數以及出現有圖像特征投影到節點i的圖像數，λ_i表示變異系數；TF表示某個單詞在一幅圖像中出現的頻率，頻率越高，單詞區分度就越高；IDF表示某個單詞在所有單詞中出現的頻率，頻率越低，對圖像的分類越有區分度；

步驟1-4，利用圖像在不同節點的得分權重將圖像在整棵視覺詞典樹的得分向量表示為：

W(P)＝(W¹(P),W²(P),…,W^L(P))