[發明專利]一種用于視覺SLAM系統的穩定特征點識別方法

在審

• 申請號: 202210368112.7
• 申請日: 2022-04-08
• 公開（公告）號: CN114723977A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 管貽生;鄒海華;何力
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06V10/75
• 分類號: G06V10/75;G06V10/40;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 牛念

1.一種用于視覺SLAM系統的穩定特征點識別方法，其特征在于，包括如下步驟：

S1.構建訓練樣本；其中，步驟S1包括以下步驟：

S11.選取具有已知圖像位姿的圖像數據集，并在所述圖像數據集中選取多個圖像序列；

S12.對每個圖像序列中的所有圖像均進行多個特征點的提??；

S13.在已提取特征點的圖像序列中選取具有分離視角的圖像序列；

S14.通過重投影對已提取特征點的圖像序列進行特征點匹配，并在具有分離視角的圖像中得到穩定特征點，并隨機選取等量的不穩定特征點，形成訓練樣本；

S2.建立預測神經網絡并使用所述訓練樣本進行預訓練，然后對待處理圖像通過預測神經網絡進行預測；其中，步驟S2包括以下步驟：

S21.建立預測神經網絡，然后使用所述步驟S1得到的訓練樣本進行預訓練；其中，所述預測神經網絡具有特征提取模塊和邏輯判斷模塊；

S22.對待處理圖像進行多個特征點的提?。?/p>

S23.將已提取特征點的待處理圖像進行圖像區域的選取，然后輸入至所述特征提取模塊中，得到第一特征向量；

S24.將所述特征點的描述符進行標準化處理，得到第二特征向量；

S25.將所述第一特征向量與第二特征向量進行拼接，然后將完成拼接的特征向量輸入至所述邏輯判斷模塊中，得到特征點穩定的可能性表述。

2.根據權利要求1所述的用于視覺SLAM系統的穩定特征點識別方法，其特征在于，在步驟S11中，所述圖像序列的時間跨度為大于或等于90天。

3.根據權利要求1所述的用于視覺SLAM系統的穩定特征點識別方法，其特征在于，所述步驟S13具體包括如下步驟：

S131.選取其中一個已提取特征點的圖像序列，并在其中以一定時間間隔選取多張圖像，得到第一分離視角圖像序列；

S132.根據所述第一分離視角圖像序列中的每張圖像，在其余已提取特征點的圖像序列中一一對應地進行最近視角選取，得到對應的其余的分離視角圖像序列。

4.根據權利要求3所述的用于視覺SLAM系統的穩定特征點識別方法，其特征在于，在步驟S132中，滿足最近視角的選取條件為：該圖像視角距離所述第一分離視角圖像序列中的圖像的視角小于等于1米、且偏航角在0～30°之間，以及在同一分離視角圖像序列中，若對應所述第一分離視角圖像序列中的同一張圖像，具有超過一張滿足最近視角選取條件的圖像，那么便選取視角最近的一張圖像。

5.根據權利要求3或4所述的用于視覺SLAM系統的穩定特征點識別方法，其特征在于，所述步驟S14具體包括如下步驟：

S141.對每個已提取特征點的圖像序列進行稀疏重建，使每個分離視角圖像序列中的每個特征點均獲得對應的三維坐標；

S142.任意選取一個分離視角圖像序列，將其中具有三維坐標的特征點通過相機模型同時投影到其余的分離視角圖像序列中對應視角的圖像上形成投影點，然后通過K-D樹在該對應視角的圖像中進行匹配特征點查找，若其余的分離視角圖像序列中對應視角的圖像上均無法查找到滿足匹配要求的匹配特征點，則執行步驟S143，否則執行步驟S144；

S143.將該特征點標記為不穩定特征點，然后執行步驟S145；

S144.若在其余的分離視角圖像序列中對應視角的圖像上均能夠查找到至少一個滿足匹配要求的匹配特征點，便將該特征點標記為穩定特征點，否則不對該特征點進行標記；然后執行步驟S145；

S145.重復步驟S142～S144，直至所有分離視角圖像序列的圖像均完成特征點標記后，執行步驟S146；

S146.根據得到的穩定特征點的數量，隨機選取等量的不穩定特征點，形成訓練樣本。

6.根據權利要求5所述的用于視覺SLAM系統的穩定特征點識別方法，其特征在于，在步驟S142中，所述匹配要求為：所述投影點與待匹配特征點之間的距離小于5個像素、且特征點描述符向量的距離小于0.7個閾值。