[发明专利]一种动态环境下的slam方法

说明书

本发明公开了一种动态环境下的slam方法，先采集原始图像流，且通过轮式里程计采集位移；根据原始图像流，通过遮挡检测器判断相机是否被遮挡，对原始图像流中未被遮挡的图像进行特征追踪，对原始图像流进行动态物体检测，获取动态物体的边框坐标信息；根据边框坐标信息，对特征追踪成功的图像进行外点剔除，将外点剔除的图像进行特征匹配，得到相机的位姿，并将其输入卡尔曼滤波器，将轮式里程计的输出进行预积分后输入卡尔曼滤波器，获取融合后的姿态；将融合的姿态输入orb‑slam系统，得到预测地图。本发明在动态环境和相机遮挡的情况下有较好的鲁棒性，能够减少视觉失效的情况，提高定位和地图构建的精度。

技术领域

本发明属于机器人构图领域，具体涉及一种动态环境下的slam方法。

背景技术

同时定位与建图技术作为机器人领域的一项最基本的技术，在无人驾驶、机器人和虚拟现实等领域起着不可欠缺的作用。同步定位与地图构建(Slam)根据传感器的配置不同，可以划分为激光雷达slam、视觉slam和毫米波雷达slam，也存在多传感器结合的slam系统。单独的视觉存在许多问题，如由于光照变化，弱纹理环境以及动态场景下面，会导致slam前端错误的特征匹配，从而影响定位以及建图的精度。现有的slam绝大多数都假设slam运行在一个静态的环境下，但现实的环境是复杂的，比如室内有人和动物走动，现有的slam能够通过RANSAC这种比较鲁棒的匹配方式来减少动态物体的影响，近来也有通过在这些slam系统中加入一个动态物体检测的模块，进而去除动态物体上的特征点。如DS-SLAM通过增加一个语义分割网络，将其中动态的物体分割出来，然后再做特征匹配，但是由于一张图像经过网络耗时过长，目前还不存在一个实时的动态物体检测slam方案。

发明内容

针对现有技术中的上述不足，本发明提供的一种动态环境下的slam方法解决了现有技术不能实时对动态物体进行检测的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种动态环境下的slam方法，包括以下步骤：

S1、采集原始图像流，且通过轮式里程计采集位移；

S2、将原始图像流输入遮挡检测器，通过遮挡检测器判断相机是否被遮挡，若是则将卡尔曼滤波器中相机姿态的协方差设置为无穷大，并进入步骤S6，否则进入步骤S3；

S3、对原始图像流进行特征追踪，并判断是否追踪成功，若是则进入步骤S4，若否则返回步骤S2；

S4、对原始图像流进行动态物体检测，获取动态物体的边框坐标信息；

S5、根据边框坐标信息，对特征追踪成功的图像进行动态物体特征点剔除，将外点剔除的图像进行特征匹配，得到相机的位姿；

S6、将相机的位姿输入卡尔曼滤波器，同时将轮式里程计的输出进行预积分后输入卡尔曼滤波器，获取融合后的姿态；

S7、将融合的姿态输入orb-slam系统，得到预测地图。

进一步地，所述步骤S1中通过RGB-D相机采集原始图像流，所述原始图像流包括RGB图和深度图。

进一步地，所述步骤S2包括以下分步骤：

S2.1、将原始图像流输入遮挡检测器，进行orb特征点提取；

S2.2、判断RGB图的特征提取数量是否少于设定的阈值，若是则判断为相机被遮挡，并将卡尔曼滤波器中相机姿态的协方差设置为无穷大，否则进入步骤S2.3；

S2.3、判断深度图中深度小于20cm的像素点是否超过70％，若是则判断为相机被遮挡，并将卡尔曼滤波器中相机姿态的协方差设置为无穷大，否则判断相机未被遮挡，并进入步骤S3。

进一步地，所述步骤S3包括以下分步骤：