[发明专利]一种基于Kinect的视觉SLAM方法

说明书

本发明涉及一种基于Kinect的视觉SLAM方法，涉及计算机视觉技术领域。采用本发明基于Kinect的视觉SLAM方法，在视觉里程计环节通过结合主成分分析法将传统的SIFT算法降维得到PCA‑SIFT算法，并将匹配时的所用的欧式距离改为街区距离和棋盘距离的线性组合，提高了整体视觉SLAM的实时性。在回环检测中，首先提取关键帧的轮廓进行轮廓匹配缩减所需要进行相似性检测的关键帧数量，然后利用词袋模型进行二次回环精确回环检测，提高了回环检测的鲁棒性。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于Kinect的视觉SLAM方法。

背景技术

增强现实的主要技术之一SLAM(Simultaneous localization and mapping)，即时定位与地图构建技术。SLAM方法通过物体自身传感器获取到的信息，在运动过程中，计算自己的位置，同时对周围的环境地图进行构建。传统的视觉SLAM方法计算过程分为三个阶段，前端视觉里程计、后端优化、回环检测。其中，前端视觉里程计增量式地计算摄像头的位置与两个时刻间的相对运动(相对运动估计)。后端则是通过与前几帧做比较，不断修正视觉里程计环节中的累积误差。回环检测则是通过判断是否出现回环，即摄像头是否已检测过该位置，来修正机器人的位置与姿态。

尺度不变特征变换算法SIFT(Scale InvariantFeature Transform)，是一种检测图像局部特征的算法，通过尺度空间找出一幅图中的极值点，以及与极值点有关的极值范围和特征方向，最终得以提取到位置、尺度和旋转不变的特征点并进行图像特征点匹配。

g2o(Generalized Graph Optimizer)即通用图优化求解器，是近年来很流行的一个图优化求解软件包。g2o的内核里带有各种各样的求解器，而它的顶点、边的类型则多种多样。只要一个优化问题能够表达成图，那么通过自定义顶点和边，就可以用g2o去求解它。

Prewitt算子是一种滤波算子，对图像中的每个点进行卷积运算，取最大值作为输出，结果是一幅轮廓幅度的图像。

在用增强现实技术进行装备维修的实际研究中，有两个问题：一是三维场景建模速度慢；二是当维修员将视线移开已建模场景再将移动视线回到原位置会出现虚拟信息漂移的现象。这是因为在把增强现实技术用于装备维修时所用的头戴设备硬件资源受限，计算能力不足，因此不能满足实时性。另一方面，相比于移动机器人领域，在增强现实技术领域中，使用的摄像头运动更加快速，自由度变得更加多样。所面对的真实环境中纹理更加复杂，对光照条件更加苛刻。

传统的视觉SLAM中，在视觉里程计环节所提取图像的特征算法为SIFT算法，得到的特征描述符为128维，在特征匹配时的距离为欧式距离，从而匹配时间很长，实时性很差。在回环检测中，如果是随机对前面的关键帧进行相似性检测，则实时性提高，但回环检测的鲁棒性不高。如果对所有的关键帧都进行相似性检测，则回环检测的鲁棒性提高，但实时性差。

在获取到每两帧之间的运动估计后，将运行中所获取到的图像两两进行匹配得到运动估计之后把点云图拼接起来，得到最后摄像机的运动轨迹和最终的场景点云图。但是在视觉里程计环节中误差累积，随着运动的累计，这个误差会越来越大，从而造成严重的漂移。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：针对增强现实用于装备维修时所需要的实时性和回环检测需求，如何解决增强现实领域地图构建，尺度漂移问题。

(二)技术方案

为了解决上述技术问题，本发明提供了一种基于Kinect的视觉SLAM方法，包括以下步骤：

在利用摄像机Kinect同时获取物体的彩色图像和深度图像后，执行如下步骤：

步骤一，基于PCA-SIFT和线性距离组合的视觉里程计环节