[發(fā)明專利]一種基于深度相機的動態(tài)場景處理方法及裝置

在審

• 申請?zhí)枺?/td>: 202110504858.1
• 申請日: 2021-05-10
• 公開（公告）號: CN113111973A
• 公開（公告）日: 2021-07-13
• 發(fā)明（設計）人: 馬浩凱;李驪
• 申請（專利權）人: 北京華捷艾米科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張影

本發(fā)明公開了一種基于深度相機的動態(tài)場景處理方法及裝置，包括：獲取目標圖像；對目標圖像的每一幀圖像進行特征點提取，獲得若干特征點以及與每一特征點所對應的描述子；對特征點進行聚類，獲得若干節(jié)點；獲取關鍵幀與當前幀同一個節(jié)點中的所有特征點，并計算特征點對應的描述子的第一距離，依據第一距離確定內點和外點；計算當前幀所有內點的第二距離，并基于第二距離確定動態(tài)點和靜態(tài)點，第二距離表征幾何距離的一階近似值；對目標圖像進行聚類，確定每個聚類區(qū)域中靜態(tài)點和動態(tài)點的比例；基于比例，確定動態(tài)的聚類區(qū)域；剔除動態(tài)的聚類區(qū)域對應的動態(tài)點。本發(fā)明可以有效剔除場景中的動態(tài)內容，提高系統(tǒng)魯棒性和精度。

技術領域

本發(fā)明涉及計算機視覺圖像處理技術領域，特別是涉及一種基于深度相機的動態(tài)場景處理方法及裝置。

背景技術

同時定位與地圖構建(SLAM，Simultaneous LocalizationAnd Mapping)是指移動機器人在未知環(huán)境中通過傳感器建立環(huán)境模型并確定自身位置。SLAM技術可應用于許多領域，如自動駕駛、增強和虛擬現實、移動機器人和無人機導航。但是，由于現實世界中的場景往往是比較復雜的，例如，場景中有運動的行人、車輛、動物等動態(tài)物體，這種情況下會導致視覺SLAM跟蹤精度降低甚至失敗。

目前，雖然可以通過剔除動態(tài)場景中的動態(tài)點來提高SLAM跟蹤精度，但是采用傳統(tǒng)幾何方法對靜態(tài)點和動態(tài)點的判別，誤判較多，而采用深度學習的方案計算量太大，均無法實現對動態(tài)場景的較好處理，降低了系統(tǒng)的魯棒性和精度。

發(fā)明內容

針對于上述問題，本發(fā)明提供一種基于深度相機的動態(tài)場景處理方法及裝置，實現了提升系統(tǒng)魯棒性和精度。

為了實現上述目的，本發(fā)明提供了如下技術方案：

一種基于深度相機的動態(tài)場景處理方法，包括：

獲取目標圖像，所述目標圖像為同時定位與地圖構建系統(tǒng)輸入的圖像；

對所述目標圖像的每一幀圖像進行特征點提取，獲得若干特征點以及與每一特征點所對應的描述子；

對所述特征點進行聚類，獲得若干節(jié)點，所述節(jié)點對應若干特征點；

獲取關鍵幀與當前幀同一個節(jié)點中的所有特征點，并計算所述特征點對應的描述子的第一距離，依據所述第一距離確定內點和外點；

計算當前幀所有內點的第二距離，并基于所述第二距離確定動態(tài)點和靜態(tài)點，所述第二距離表征幾何距離的一階近似值；

對所述目標圖像進行聚類，確定每個聚類區(qū)域中靜態(tài)點和動態(tài)點的比例；

基于所述比例，確定動態(tài)的聚類區(qū)域；

剔除所述動態(tài)的聚類區(qū)域對應的動態(tài)點。

可選地，所述方法還包括：

利用剔除動態(tài)點后的靜態(tài)點進行位姿優(yōu)化處理，獲得位姿數據。

可選地，所述獲取目標圖像，包括：

獲取同時定位與地圖構建系統(tǒng)輸入的彩色圖像；

將所述彩色圖像轉換為灰度圖，并將轉換為的灰度圖確定為目標圖像。

可選地，所述對所述特征點進行聚類，獲得若干節(jié)點，包括：

基于每一特征點對應的描述子，構建詞袋模型，所述描述子為二進制編碼的，對特征點的特征進行描述的信息；

利用所述詞袋模型對所述特征點進行聚類，獲得若干節(jié)點。

可選地，所述依據所述第一距離確定內點和外點，包括：

對所述特征點進行遍歷，若所述第一距離大于第一閾值，將當前幀的特征點的內點特征值加一；