[发明专利]图像闭环检测方法及系统

说明书

本发明提供了一种图像闭环检测方法及系统，该方法包括：对每一帧图像提取FAST角点，计算BRIEF算子；将BRIEF算子代入预先建立的词袋模型，得到算子对应的视觉单词；所述视觉单词用于建立对图像的向量描述；基于跟踪预测算法判断当前图像是否可能发生闭环，并预测可能发生的闭环位置，得到闭环候选集；通过视觉单词向量评估当前图像与闭环候选集中每一张图像相似程度，将闭环候选集中相似度最高的图像作为候选图像；对候选图像进行归一化处理，得到归一化后的图像；计算归一化后的图像的ORB全局算子，完成对候选图像的结构校验。本发明可有效加速检测算法，提供更准确的闭环检测性能。

技术领域

本发明涉及计算机视觉技术领域，具体地，涉及图像闭环检测方法及系统。

背景技术

同时定位和地图构建(Simultaneous Localization and Mapping，SLAM)技术旨在一个未知的环境中实时地重建出环境的三维模型并同时实现机器人自身的定位。而闭环检测是视觉SLAM的一个基础问题。如果视觉SLAM仅仅通过视觉里程计来估计轨迹，则会不可避免地出现累计漂移。回环检测能够给出除了相邻帧之外的一些时隔更加久远的约束。当运行轨迹第二次运行到同一个位置即形成了闭环。如果通过闭环检测有效的检测出相机第二次运行到了这个地方，回环边可以把带有累计误差的边“拉”到了正确的位置。图1(a)为未修正的轨迹图，图1(b)为经过闭环检测优化后的轨迹图，图中黑色圆圈表示发生闭环的位置。

现有的闭环检测方法仍旧存在一些弊端，在大场景下的闭环检测下，图像数量急剧增加，当前图像需要与之前的每一帧图像比较相似度，这会导致大量的计算资源浪费。此外，当前的闭环检测方法准确性不够，存在不少误闭环的情况。如图2所示，实线构成的线路表示发生了闭环，但是除了三个圆圈处，其他都是错误的闭环。综上，如何提高闭环检测的效率和准确率成为亟待解决的问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种图像闭环检测方法及系统，提高闭环检测的效率和准确性。

根据本发明第一方面，提供一种图像闭环检测方法，包括：

对每一帧图像提取FAST角点，计算BRIEF算子；

将BRIEF算子代入预先建立的词袋模型，得到算子对应的视觉单词；所述视觉单词用于建立对图像的向量描述；

基于跟踪预测算法判断当前图像是否可能发生闭环，并预测出当前图像中可能发生的闭环位置，得到闭环候选集；所述闭环候选集用于存储可能发生闭环的图像；

通过所述视觉单词向量评估当前图像与闭环候选集中每一张图像相似程度，将闭环候选集中相似度最高的图像作为候选图像；

对候选图像进行归一化处理，得到归一化后的图像；

计算归一化后的图像的ORB全局算子，完成对候选图像的结构校验。

可选地，对每一帧图像提取FAST角点，计算BRIEF算子，包括：

采用预设的FAST角点提取算法，提取图像的FAST角点；所述预设的FAST角点提取算法如下：

其中：t为预设阈值；I_p为图像中心像素的像素值；I_p→x为圆形模板中的像素；d为darker，表示I_p→x像素更暗；s为similar，表示I_p→x与I_p像素相似；b为brighter，表示I_p→x像素更亮；

统计圆形区域中d或b的次数，将d或b出现的次数大于n的点作为FAST角点；

对每一FAST角点，以FAST角点为中心，取S×S的邻域窗口，在领域窗口中随机选取点对进行二进制赋值，得到BRIEF算子。