[发明专利]一种基于ORB特征的视觉SLAM方法

权利要求书

1.一种基于ORB特征的视觉SLAM方法，其特征在于，包括前端处理环节、后端优化环节；

所述前端处理环节是基于ORB特性提取算法和汉明距进行特征匹配，其中采用了ORB特征提取算法，且在特征匹配时采用了汉明距来加速匹配速度；

在所述后端优化环节中基于图优化，进行局部与全局结合的回环检测对在前端处理过程中随着运动的累计所得到的累积误差进行减小。

2.如权利要求1所述的方法，其特征在于，所述前端处理环节分为以下三个阶段：

第一阶段：利用改进的FAST算法找出特征点

首先，对于关键帧中的每一个像素点f，其灰度设为I_f，设定一个合适的阈值t：当某两个点的灰度值之差的绝对值大于t时，定义这两个点为不同的点，当该像素点f周围半径r圆周上的像素点中有连续的n个点都和点f不同，则认为点f是一个角点；然后利用Harris角点的度量方法，从FAST特征点中挑选出Harris角点响应值最大的N个特征点，其中Harris角点的响应函数定义为：

R＝det M-α(trace M)²

其中α为常数；

det表示矩阵的行列式，trace表示矩阵的迹；I_x表示函数对x的偏导数，I_y表示函数对y的偏导数；

第二阶段：利用BRIEF算法来构造特征点的描述子，并用汉明距来匹配特征描述子

首先在特征点f’的周围以一定模式选取N个点对，把这N个点对的比较结果组合起来作为描述子，设N个点对为P₁(A，B)，P₂(A，B)，P₃(A，B)，P₄(A，B)...P_N(A，B)，定义操作T，当I_A比I_B大的时候，T(P(A，B))为1，反之为0，这样对已经选取的点对进行T操作，将得到的结果进行组合，这样就得到了01组合的描述子；同时为了解决特征描述子的旋转不变性的要求，需要建立具有旋转不变的坐标轴，具体方法是取当前特征点为原点，原点与区域灰度形心连线作为X轴，垂直于X轴方向为Y轴，其中区域灰度形心为Q(Q_x，Q_y)，

I(x，y)表示对应坐标位置的灰度值，这样当以原点与区域灰度形心连线作为坐标轴时，在不同的旋转角度下以同一取点模式取出来的点是一致的，得到了01组合的描述子之后，需要进行特征点匹配判断，当两幅关键帧上的两个特征点的描述子的相似度大于一定的阈值时，则认为匹配成功，由于特征点的描述子被设计为01序列，因而利用异或求两个描述子的汉明距就可以快速将两个特征描述符进行匹配；

第三阶段：用RANSAC算法消除误匹配并进行位姿求解

为了消除误匹配项，首先对匹配点进行了初步筛选，筛选标准是对当前所有匹配点的匹配距离进行排列，找出最小的匹配距离，其他匹配距离如果超过最小匹配距离的4倍，表明这两个点的匹配度相对于其他剩下的点相对较差，则过滤掉这些点，然后采取RANSAC算法对匹配的特征点进行一致性检测，最后利用PNP问题求解方法对摄像机的位姿运动进行求解。

3.如权利要求2所述的方法，其特征在于，n设置为9。

4.如权利要求2所述的方法，其特征在于，n设置为12。

5.如权利要求2所述的方法，其特征在于，第一阶段中，不对所有圆周上的点进行测试，而是仅对圆周上等分的四个元素点进行测试，如果不满足有三个元素点与点f相同，那么直接认为点f不是角点。

6.如权利要求2所述的方法，其特征在于，α取值范围为0.04～0.06。

7.如权利要求2所述的方法，其特征在于，所述后端优化环节包括以下3个阶段：

第一阶段：模型的建立

在以kinect为主要的摄像机输入视觉信号的情况下，构建出状态变量和观测方程这两个目标函数：

e(x_k，y_j，z_k，j)＝z_k，j-g(x_k，y_j)

E(X)＝∑_(k，j)∈ce(x_k，y_j，z_k，j)^TΩ_kj^-1e(x_k，y_j，z_k，j)

X*＝argmin E(X)

其中，g()表示观测方程，x_k，y_j分别表示在第k时刻的摄像机的位姿、当前时刻摄像头所能观测到的第j个路标，z_k，j表示两者之间的约束，e(x_k，y_j，z_k，j)表示两个时刻之间的向量误差函数，当它接近于0时，代表累计误差最小，两个时刻完全满足匹配约束，设误差函数e(x_k，y_j，z_k，j)符合高斯分布(o，Ω_kj)。当假设噪声是高斯分布之后，可将其等效为一个非线性最小二乘问题；

第二阶段：图优化

后端优化环节中的第一阶段SLAM模型全部抽象成节点与边，则可以利用图优化工具g2o进行求解，其中节点代表了待优化的变量，包括姿势节点和位置节点，边代表了误差项约束条件，包括姿势-位置约束和姿势-姿势约束，姿势-位置约束依赖于相机观测产生的约束，姿势-姿势约束则依赖于系统中局部回环和全局回环检测中产生的约束，进过优化之后可减少前端处理环节中的累积误差，从而得到更加精确的地图；

第三阶段：局部和全局结合的回环检测

通过动态计算回环帧筛选阈值，确定出高质量匹配的回环帧候选序列，在回环检测结束后，遍历回环帧的候选序列，在当前关键帧与待回环的候选帧之间，进行相似变换矩阵的求解与优化，当回环队列中的某一候选帧通过了相似变换矩阵的求解与优化，那么认为检测到了回环，则结束当前回环帧候选序列的遍历。