[发明专利]一种基于双目视觉SLAM的动态场景密集建模方法

说明书

本发明公开了一种基于双目视觉SLAM的动态场景密集建模方法，包括：输入双目图像序列，对图像进行纠正，并对图像进行ORB特征点提取，并进行双目系列和时间序列上的匹配；基于多模型拟合进行运动分割，分割出场景中的相机自身运动模型和不同运动的动态物体运动模型，并估计出相机和动态物体的运动，进行局部光束法平差优化，得到相机和动态物体的轨迹；结合超像素分割，获得运动物体全部像素点分割结果，进而获得动态物体密集三维模型和静态背景密集点云地图，从而实现在动态场景中同时估计出相机和动态物体运动轨迹，也实现同时对静态背景和动态物体进行密集建模。

技术领域

本发明涉及视觉导航技术领域，更为具体地，涉及一种基于双目视觉SLAM的动态场景密集建模方法。

背景技术

SLAM(simultaneous localization and mapping)，即时定位与地图构建，或并发建图与定位。经过三十多年的不断发展，基于视觉的SLAM即VSLAM现在已经成为机器人领域和计算机视觉领域最火热的研究方向，是目前机器人智能自主导航、无人车自动驾驶、以及增强现实(AR)/虚拟现实(VR)等虚拟场景导航的核心技术。但是通常SLAM方法都是基于静态场景的假设，也就是整个场景都是静态的，不存在动态物体，依靠成对一致性进行工作，当场景中存在较为显著的动态物体时，难以对动态物体进行很好的处理，就难以工作，具体表现为相机位姿估计失败，同时，由于建图依赖于定位的效果，且动态物体会对背景造成遮挡，所以对静态背景建图尤其是密集建图影响很大。

目前，通常的解决方法基于语义分割的方法，分割出带特定语义标签的动态物体，将其像素点作为外点完全剔除，消除动态物体的影响，实现精准的相机运动估计，并且对静态场景进行建图，这种方式在动态场景中获得很好的工作效果，但未对动态物体的信息进行获取，即没有获得其轨迹，直接对动态物体进行密集建模。基于语义分割的动态SLAM方法可以很好的应对动态物体存在的场景，但是在实际应用中众多动态物体是语义无法识别的，使得该类方法的通用性不足、应用受限。

另一类方法基于多运动分割，进而同时估计出相机和动态物体的运动轨迹，该类方法不依赖于语义信息，将相同运动的点聚类为一个运动模型参数实例，从而在动态场景中分割出多个运动模型。MVO将多模型拟合方法-CORAL应用于通常静态SLAM中，分割出动态场景中不同运动的运动模型，同时估计出相机和多个无语义动态物体的运动轨迹，但是该方法实验场景也是在一个房间中，相机和动态物体均是小范围的运动，并且相机和动态物体轨迹估计的误差较大，且未对静态背景和动态物体进行密集建模。

综上所述，现有方法难以实现同时对静态背景进行密集建图和动态物体进行密集建模，且现有方法通用性不足、应用受限。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于双目视觉SLAM的动态场景密集建模方法，可以同时估计出相机和动态物体运动轨迹，并同时对静态背景和动态物体进行密集建模。

本发明的目的是通过以下技术方案来实现的：

一种基于双目视觉SLAM的动态场景密集建模方法，包括以下步骤：

S1，输入双目图像序列，根据已知的相机内参外参对图像进行纠正，对图像进行ORB特征点提取，在每个双目像对中对左右影像的特征点进行匹配，并在连续双目帧的像对中进行时间序列上的匹配；

S2，基于多模型拟合进行运动分割，将相同运动的特征点聚类为一个运动模型参数，分割出场景中的相机自身运动模型和不同运动的动态物体运动模型，同时估计出相机和动态物体的运动；

S3，对估计出的相机和动态物体的位姿，进行局部光束法平差优化，得到相机和动态物体的轨迹；

S4，根据输入双目图像序列，进行超像素分割，并结合S2，获得运动物体全部像素点分割结果，进而获得动态物体密集三维模型和静态背景密集点云地图。

进一步的，所述获得的静态背景密集点云地图，进一步包括：