[发明专利]基于线特征的SLAM系统快速重定位算法

说明书

本发明公开了一种基于线特征的SLAM系统快速重定位算法，包括以下步骤：步骤一、分线程将候选关键帧与当前图像帧进行点线特征匹配；基于点线匹配数量判断点线初步匹配数量是否要求达到设定数量，若满足则执行步骤二；步骤二、设置随机一致性算法参数，并执行EPnL算法估计初步位姿；步骤三、基于初步估计的位姿，剔除步骤一中点特征误匹配；步骤四、执行点线特征匹配同时使用的位姿优化估计，得到内点和内线数量；步骤五、根据优化后的有效内点、内线数目，分情况讨论是否执行投影匹配，完成最终重定位。本发明提供一种可以在人造环境下使用图像中的线特征实现更为快速的重定位位姿估计算法，与EPnP算法可以起到互补的作用。

技术领域

本发明属于计算机视觉领域，尤其涉及一种基于线特征的SLAM系统快速重定位算法。

背景技术

同时定位与地图构建(SLAM)，随着无人驾驶、无人机技术的发展变得越发重要。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，在运动过程中建立环境的模型，同时估计自己的运动。若以相机为传感器，就称为“视觉SLAM”。

由于没有先验环境信息，以及系统可能遇到问题的复杂性，如自身运动突变或者较多动态物体出现在镜头内，这些问题均有可能导致系统丢失当前位置，即无法在已经建立的地图中找到系统位置，此时，需要将系统在走过的路径上移动，找回系统在地图中的位置。

为了实现视觉SLAM系统的重定位，其中最核心的步骤是基于图像信息与地图获得匹配，计算出一个较优的初始位姿。在纯点特征的SLAM系统中，目前最为流行的是EPnP算法，该算法能够保证在线性时间内完成位姿初步估计。

另外，在目前的点线特征SLAM系统中，还有学者提出基于地图点和地图线的EPnPL算法。通过使用地图线，系统在一定程度上避免了EPnPL算法的问题，但是由于线特征在真实环境中很可能出现遮挡等问题，该算法提出在第一步位姿估计后，线特征位置进行矫正，然后再执行一次位姿估计。不可避免的，该算法是更为耗时的。

发明内容

本发明要解决的技术问题是提供一种基于线特征的SLAM系统快速重定位算法，该方法可以在人造环境下(具有直线信息的场景)使用图像中的线特征实现更为快速的重定位位姿估计算法，与EPnP算法可以起到互补的作用。

本发明的技术方案如下：

一种基于线特征的SLAM系统快速重定位算法，包括以下步骤：

步骤一、分线程将候选关键帧与当前图像帧进行点线特征匹配；基于点线匹配数量判断点线初步匹配数量是否要求达到设定数量，若满足则执行步骤二；

步骤二、设置随机一致性算法参数，并执行EPnL算法估计初步位姿；

步骤三、基于初步估计的位姿，剔除步骤一中点特征误匹配的点特征对；

步骤四、执行点线特征匹配同时使用的位姿优化估计，得到内点和内线数量；

步骤五、根据优化后的有效内点、内线数目，分情况讨论是否执行投影匹配，完成最终重定位。

作为本发明的进一步改进，所述的步骤一中，是基于BOW2库训练的字典对ORB点特征进行匹配，基于FLANN算法对LSD-LBD线特征进行匹配。

作为本发明的进一步改进，所述的步骤二中，EPnL算法步骤如下：

1)假设世界坐标系下的控制点为基于输入的n个地图线中点世界坐标对其进行计算；

2)通过世界坐标系下的控制点和地图线中点世界坐标计算α_ij参数，计算公式如下：

3)输入线特征的M_L矩阵：

假定当前相机的标定矩阵为：