[发明专利]一种街景场景下基于全局图像条纹码的回环检测方法

说明书

本发明公开了一种街景场景下基于全局图像条纹码的回环检测方法，包括如下步骤：对已有地图的所有图像帧进行编码，并将编码存储在分层数据结构中；对新采集到的关键帧也进行二进制编码，与已有的二进制描述码进行对比，获取汉明距离最小的前K张图片；将K张图片与新采集的图像关键帧一起进行特征点提取比对操作，比对两个图像间的特征相似度，得到分值最高的图，以此获知此时机器人的位置。本发明只需要对图像进行简单的编码，利用已有的算法对编码进行匹配即能完成目的，可操作性高；不需要借助图像的特征点以及提前进行提前训练，减小了计算量；与传统方法相比，解决了不能进行回环检测、工作强度大、效率低等问题。

技术领域

本发明涉及图像处理方法，尤其涉及一种街景场景下基于全局图像条纹码的回环检测方法。

背景技术

即时定位与地图构建(SLAM)是解决移动机器人在未知非结构化环境中自主导航与控制的关键，一个完整的SLAM系统包括传感器数据处理、位姿估计、构建地图、回环检测四个部分。其中回环检测机制是解决移动机器人的闭环重定位，提高SLAM系统鲁棒性的重要环节。已有的像素级别SLAM定位方法除非借助于特征点，否则无法进行回环检测的操作，词袋模型就是一种典型的使用特征点的回环检测的方法。但在基于直接法的SLAM系统中使用特征点就违背了使用直接法的本意，效率大大降低。机器学习算法进行回环检测不用提取特征点但需要提前训练，消耗时间过长且效果不稳定。因此对于速度快又高效的回环检测的算法的需求就日益凸显。

发明内容

发明目的：针对现有技术存在的问题，本发明的目的在于提供一种基于全局图像条纹码进行回环检测的方法，以实现在基于像素的SLAM方法中直接而高效地进行回环检测，有效提高SLAM系统的全局一致性且保持系统较高的实时性。

技术方案：一种街景场景下基于全局图像条纹码的回环检测方法，包括如下步骤：

(1)对已有地图的所有图像帧进行编码，并将编码存储在分层数据结构中；

(2)对新采集到的关键帧也进行二进制编码，与已有的二进制描述码进行对比，获取Hamming距离最小的前K张图片；

(3)将K张图片与新采集的图像关键帧一起进行特征点提取比对操作，比对两个图像间的特征相似度，得到分值最高的图，以此获知此时机器人的位置。

所述步骤(1)中，具体包括如下内容：

(1.1)对图像进行x和y方向的梯度计算，得到灰度图像：

(1.1.1)将RGB彩色图像转化为灰度图：

Grey＝0.299×R+0.587×G+0.115×B

根据上式，依次读取每个像素点的R、G、B值，进行计算灰度值，将灰度值赋值给新图像的相应位置，所有像素点遍历一遍完成转换；

(1.1.2)采用索贝尔算子进行图像梯度计算，索贝尔卷积因子为：

该算子包含两组3×3的矩阵，分别为横向矩阵及纵向矩阵；将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值；以I代表原始图像，G_x及G_y分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

G_x＝[f(x+1,y-1)+2×f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2×f(x-1,y)+f(x-1,y+1)]

G_y＝[f(x-1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2×f(x,y+1)+f(x+1,y+1)]