[发明专利]一种基于惯性姿态约束的特征匹配方法

说明书

本发明公开了一种基于惯性姿态约束的特征匹配方法。首先将待匹配的两幅图像进行栅格化处理并检测ORB特征点，并选出含有较多特征点的栅格，并将惯性测量单元输出的姿态信息作为特征匹配的约束条件；其次，按照汉明距离进行排序和粗匹配，选取汉明距离不大于最小距离一定倍数的特征点对作为正确匹配点对，并将汉明距离介于一定距离的特征点对作为待定匹配点对；最后利用g2o非线性优化方法求解本质矩阵，利用本质矩阵恢复图像的位姿信息，对待定匹配点对使用对极约束条件，将满足自适应阈值条件的待定特征点对加入正确匹配点对，从而提高图像的匹配准确度。基于惯性姿态约束的ORB特征匹配方法误匹配点数减少，鲁棒性更高。

技术领域：

本发明涉及一种基于惯性姿态约束的特征匹配方法，属于同时定位与建图的前端技术领域。

背景技术：

近年来，涌现出了许多与SLAM(Simultaneous Localization and Mapping,同时定位与建图，简写SLAM)相关的应用场景，如室内扫地机器人，自动驾驶汽车和无人机等。视觉SLAM是以图像为主要环境感知信息源的SLAM系统，主要分为视觉前端和优化后端。前端也称为视觉里程计，主要作用是根据相邻图像的信息粗略估计出相机运动，给后端提供较好的初始值。前端按照是否需要提取特征分为特征点法和直接法。基于特征点法的前端运行稳定，对光照和动态物体不敏感，是目前比较成熟的解决方案。其中，ORB(Oriented FASTand Rotated BRIEF)特征是目前具有代表性的实时图像特征，它改进了FAST(Featuresfrom Accelerated Segment Test)角点不具有方向性的问题，并采用速度极快的二进制描述子BRIEF(Binary Robust Independent Elementary Feature),减少了图像特征提取的时间。

剔除误匹配点是特征匹配技术的一个重要环节，对提高视觉SLAM姿态估计精度有重要意义。当相机运动过快时图像会出现模糊，使得误匹配点数增多，从而降低匹配质量。利用惯性测量单元的输出信息，可以为待匹配图像提供一个比较准确的姿态信息。基于此，采用基于惯性姿态约束的ORB特征匹配技术进行图像特征匹配时，可以有效解决匹配点对分布集中、误匹配数目较多和匹配效率低等问题。

发明内容

本发明的目的是提供一种基于惯性姿态约束的特征匹配方法，可以有效解决匹配点对分布集中、误匹配数目较多和匹配效率低等问题。

上述的目的通过以下技术方案实现：

一种基于惯性姿态约束的特征匹配方法，该方法包括如下步骤：

(1)将待匹配的两幅图像栅格化，栅格边长为a，并将每个栅格进行编号：第一幅图像的栅格编号记为A_pq，表示该栅格位于第一幅图像栅格阵列的第p行和第q列；第二幅图像的栅格编号记为B_pq，表示该栅格位于第二幅图像栅格阵列的第p行和第q列；

2)对两幅图像进行ORB特征检测，并统计第一幅图像每个栅格内的特征点个数f(A_pq)和第二幅图像每个栅格内的特征点个数f(B_pq)；

3)将第一幅图像中各栅格的特征点数进行降序排列，分别选出特征点数较多的前N个栅格，第一幅图像选出的栅格加入栅格集合A，第二幅图像选出的栅格加入栅格集合B，栅格集合A中的每个栅格记为A_i，栅格集合B中的每个栅格记为B_i，并计算出各栅格内的中心点像素坐标和

4)对惯性测量单元的输出值进行解算得到惯性测量单元的姿态信息，利用惯性测量单元的姿态信息对步骤(3)中各栅格内的中心点对进行匹配，计算栅格A_i与集合B中所匹配栅格B_i′的中心点坐标之间的距离d_i；