[发明专利]基于直接法的视觉里程计方法、系统及存储介质

说明书

本发明提供了一种基于直接法的视觉里程计方法、系统及介质，包括：亮度稳定步骤：在高动态亮度变换环境下，使用对数图像增强方法使得场景中的亮度趋于稳定，提高对梯度信息的提取；加快优化收敛步骤：在快速旋转以及高速运动情况下，使用若干显著的梯度点和三角剖分算法生成深度预测面，有效给出点云的初始化深度，降低深度优化次数，加快优化收敛。本发明能够克服传统直接法在亮度巨变和快速旋转时无法正常工作的问题，可以用于无人机、无人车等自主导航机器人的导航算法上，可以用于在自主导航、探索、侦查等任务中提供自身的位置信息。

技术领域

本发明涉及计算机视觉技术领域，具体地，涉及鲁棒的基于直接法的视觉里程计方法、系统及存储介质。

背景技术

目前自助机器人在复杂环境下(如室内、丛林里、洞穴等等)的导航是极其困难的，特别是是在机器人高速运动和周围环境变化的情况下(光线变化、物体移动等)。在这种情况下一般的视觉里程计很容易由于环境的突变而中断，使用特征点匹配方式的视觉里程计对纹理信息要求较高，一旦进入走廊、楼梯一类的无丰富纹理环境，该类视觉里程计就会失去工作能力，而另外一种直接使用像素灰度之进行匹配的直接法视觉里程计则对光照要求较高，并且这类视觉里程计一旦中断掉一次，由于没有特征匹配，很难恢复到中断掉前的状态，因此本发明改进了直接法视觉里程计，并结合特征点法视觉里程计的重定位功能，提出一个鲁棒的视觉里程计方法。

专利文献CN108489482B(申请号：201810150612.7)公开了一种视觉惯性里程计的实现方法，包括以下步骤：第一步，通过相机实时采集图像数据；通过IMU采集陀螺仪和加速度的数据；第二步，场景初始化模块建立视觉惯性里程计系统的初始空间三维地图；第三步，地图扩展模块对空间三维地图进行实时更新；第四步，姿态估计模块接收计算出每一帧图像对应的设备的位置和姿态。

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基于直接法的视觉里程计方法、系统及存储介质。

根据本发明提供的一种基于直接法的视觉里程计方法，包括：

亮度稳定步骤：在高动态亮度变换环境下，使用对数图像增强方法使得场景中的亮度趋于稳定，提高对梯度信息的提取；

加快优化收敛步骤：在快速旋转以及高速运动情况下，使用若干显著的梯度点和三角剖分算法生成深度预测面，有效给出点云的初始化深度，降低深度优化次数，加快优化收敛；

位置姿态修正步骤：同时在降采样的图像上使用Lucas-Kanade光流法对若干显著梯度点进行匹配，计算相机姿态的初始值，在视觉里程计系统跟踪点云失败的时候，复原当前状态，并给出一个姿态预测值。

优选地，所述显著的梯度点指的是：图像中梯度大小大于预设值的点；

所述对数图像增强方法：

通过对原始图像进行对数变换，将图像低灰度部分进行扩展，并且将高灰度值部分进行压缩，增强低亮度光照下的图像纹理和抑制过曝光情况，所述对原始图像进行对数变换如下：

s＝c×log_v+1(1+v×r) (1)

其中，

s表示对数变换后的图像像素亮度值；

c表示线性变换系数，为一个常数；

v表示对数变换的底数；

r表示袁术图像中像素的亮度值。

优选地，所述三角剖分算法生成深度预测面：

在低分辨率的图像上提取出角点，并且利用双目三角化计算角点的深度，之后使用三角剖分算法，将角点连接成一个网络，相邻的三个点会组成一个三角形，形成一个平面，根据三角形的三个顶点的深度，计算出三角形内任意一点的深度，预测三角形内的梯度点深度，计算过程如下：