[发明专利]一种基于深度重投影和空间一致性特征匹配的方法

说明书

本发明公开了一种基于深度重投影和空间一致性特征匹配的方法，包括以下步骤：使用RGBD相机获得RGBD图像和深度图像，生成三维点云并利用RANSAC提取平面；使用ORB对生成的点云图像进行特征点提取，建立描述子；通过KNN算法建立两帧之间的粗略对应关系；利用特征点的空间一致性得到更可靠的对应关系，进行特征匹配，给定3D坐标，通过图优化得到可靠的匹配特征。本发明通过利用特征点的空间一致性更可靠地提取帧之间的对应关系，提高了特征匹配的准确性和鲁棒性。

技术领域

本发明涉及适用于智能机器人、无人飞行器等自主导航领域，特别是涉及一种基于深度重投影和空间一致性特征匹配的方法。

背景技术

随着计算机视觉技术的不断发展以及自主导航技术的不断进步，视觉SLAM正成为无人机、智能机器人等方向的研究热点。SLAM的主要目研究标是同时进行设备的定位与周边三维地图的构建。指搭载特殊传感器的设备，在没有先验信息的基础上，在整个运动过程中估计自己的运动状态，并建立环境的模型。视觉里程计就是估计摄像机相对其周围环境的位姿变化。

视觉SLAM系统中，常用的相机种类主要是单目相机，多目相机以及RGBD相机，多目相机中又以双目相机为主。由于RGB-D相机成本低，重量轻，可以提供彩色图像和深度图像，基于RGB-D相机的SLAM系统使我们能够更轻松地匹配帧，估计并重建3D环境。

许多RGB-D SLAM系统采用迭代最近点(ICP)和RANSAC作为标准算法来对齐特征点。但是，当数据中的噪声增加或帧之间的偏移很大时，RANSAC的结果可能不可靠。为了提高这种场景中轨迹估计的准确性，提出了一种利用RGB-D SLAM中点特征的空间一致性进行特征匹配的新方法。通过利用点特征的空间结构信息，我们的方法可以比使用RANSAC的特征匹配方法更可靠地提取帧之间的对应关系，特征匹配的准确性增加。

发明内容

针对数据中的噪声或帧之间的偏移变大时，基于RANSAC的特征匹配算法的准确性受到影响，本发明提供一种基于深度重投影和空间一致性特征匹配的方法，通过利用特征点的空间一致性更可靠地提取帧之间的对应关系，提高了特征匹配的准确性和鲁棒性，为达此目的，本发明提供一种基于深度重投影和空间一致性特征匹配的方法，包括以下步骤：

步骤1：使用RGBD相机获取场景中的彩色图和深度图，利用RANSAC算法生成点云并提取局部平面；

其中平面的模型为P＝(a,b,c,d)＝{x,y,z|ax+by+cz+d＝0}，a,b,c,d为待估计的参数，d^*为每个关键点的深度值；

根据深度重投影方程计算每个内点的位置,减小d^*的噪声；

步骤2：对步骤1得到的平面进行特征点提取，采用KNN算法对步骤1中的特征点进行初始匹配；

步骤3：根据步骤2得到的结果，确定相应特征点p_i和p_i'之间的距离d_ii',定义函数来衡量空间一致性得分；

其中c_i和c_j两个N维点集,d_ii'为欧几里得距离；

步骤4：构建图G＝(V,E)，给定两组帧P、Q和对应映射特征点对(i,i')的集合C；

其中V是顶点集合，E是边集合；

步骤5：(1)构建关联矩阵M,给定n个候选赋值的列表C，每个赋值的关联度a∈C和每对赋值a,b∈C存储在n×n的矩阵M中；

其中

(2)给定两组特征点的集合给定两组帧P、Q，引入指示向量l来描述所有初始对应关系的匹配结果，双射约束可以表示线性约束Ax≤b；