[发明专利]基于ORB特征点和GMS匹配过滤器的视觉里程计实现方法

说明书

本发明公开了一种基于ORB特征点和GMS匹配过滤器的视觉里程计实现方法，使用RGB‑D相机或双目相机采集视频流；对于每一帧图像，基于相机当前位姿，获取图像中的特征点(包括特征点对应角点的二维像素坐标、三维世界坐标和brief描述子)；对当前帧和上一帧之间的特征点结合GMS匹配过滤器进行匹配；根据对上一帧匹配到的特征点，求解PnP问题，得到当前帧的相机位姿；对最近的连续若干帧使用Bundle Adjustment同时优化相机位姿和特征点三维世界坐标；使用词袋模型计算当前帧的词袋向量，判定是否需要将当前帧保存为关键帧，或者是否出现回环；若出现回环，则使用快速回环优化对相关的关键帧进行优化。本发明在保证对相机重投影误差足够小的情况下，较传统奇异值分解的方法运算更简便，保证实时性。

技术领域

本发明属于机器人自主导航领域，涉及一种基于ORB特征点和GMS匹配过滤器的视觉里程计实现方法。

背景技术

里程计是一种通过传感器来推算被测物体位姿的技术。目前，各行各业对高精度、强鲁棒性的里程计的需求日益迫切，特别是在矿业、军事、勘探等领域中，人们试图使用各种里程计来实现没有地形特征、地标参照和第三方定位等情况下的环境信息采集和有效的位姿估计。视觉里程计是一种根据视觉信息实现位姿估计的算法。视觉里程计相比于目前常用的激光里程计、惯性导航里程计等具有更低的成本，但由于对应的实现方法不够成熟。在相对复杂的场景下，其鲁棒性、实时性和精度无法达到实现要求。目前常见的视觉里程计方案按所使用的传感器可分为单目视觉里程计、双目视觉里程计和RGB-D(彩色-深度)视觉里程计。其中，双目视觉和RGB-D能够更准确地测算出的深度信息，继而获得误差更小的位姿估计。

在现有的视觉SLAM方案中，PTAM作为一个早期的较为成功的单目视觉里程计框架，提供了一个较为完整的通用框架。PTAM创造性的将跟踪和建图过程放在两个线程里面并行的进行，这大大提升了程序的运行效率。同时，它使用了非线性优化作为后端，使视觉SLAM系统在相同的计算量的前提相比于卡尔曼滤波的视觉SLAM系统有更高的精度。但是因为存在场景小，缺乏全局重定位功能，导致实用性较差。J.Engle提出了LSD-SLAM算法(Jakob Engel,Thomas Sch,Daniel Cremers.LSD-SLAM:large-scale direct monocularSLAM[C]//ECCV.2014.)作为一种单目视觉里程计，使用直接法进行半稠密地图的重建。它仅依靠CPU就实现了半稠密场景的重建，在它之前很少有方案能够只用CPU就重建出稠密的地图。另外，LSD-SLAM的关键帧之间的约束使用了相似变换群和李代数表达出尺度，在后端优化的时候可以将不同尺度的场景考虑进来，减小了尺度的漂移现象。但是该方案对于相机内参误差和图像曝光率非常敏感，且在相机快速运动时容易跟踪中断。ORB-SLAM2是一种基于RGB-D传感器的视觉里程计方案，最早由Raul Mur-Artal(Mur-Artal R,Montiel JMM,Tardos J D.ORB-SLAM:aVersatile andAccurate Monocular SLAM System[J].IEEETransactions on Robotics,2015,31(5):1147-1163.)等人提出。它非常完善，精度很不错，并且代码清晰易读，简单易用，便于二次开发，使得ORB-SLAM成为视觉SLAM系统的开发模板。相比如其它视觉SLAM系统，ORB-SLAM有如下优点：首先它既支持单目相机，同时也支持双目和RGBD相机，具有良好的泛用性。他们在KITTI、EuRoC等公开数据集上的测试结果尚可，精度较高，但在实际应用过程中体现出的综合性能较差，难以克服复杂场景下的干扰问题，所谓的“实时性”也是基于性能较强的计算机的基础上而言的，并且ORB(一种快速特征点提取和描述的算法)特征点的检测比较耗费计算量，容易跟丢等。

发明内容

本发明的目的在于提供一种基于ORB特征点和GMS匹配过滤器的视觉里程计实现方法。