[发明专利]一种融合直接法与特征法的RGB-D同时定位与地图创建方法

说明书

本发明请求保护一种融合直接法与特征法的RGB‑D同时定位与地图创建方法。主要包含3个并行线程：跟踪线程、局部建图和闭环线程。在跟踪线程中对非关键帧进行跟踪，通过最小化光度图像误差来进行相机的初始位姿估计以及像素点的对应关系计算，利用最小化局部地图点重投影误差进一步优化相机位姿，实现快速准确的跟踪与定位；在局部建图线程中对关键帧提取并匹配ORB特征，并执行局部BA(光束平差法)，对局部关键帧位姿和局部地图点的位置进行优化，提高SLAM的局部一致性；在闭环线程中执行对关键帧的闭环检测和优化，从而保证SLAM全局一致性。另外，根据RGB‑D图像和相机位姿信息，通过基于Octomap的建图框架，构建完整准确的3D稠密环境地图。

技术领域

本发明属于移动机器人视觉SLAM领域，特别是，具体涉及一种融合直接法与特征法的RGB-D同时定位与地图创建(SLAM)算法。

背景技术

同时定位与地图构建(SLAM)是机器人领域的一个关键挑战和主要研究重点。未知环境中的自主移动机器人在执行各种任务时需要对环境地图进行构建，例如路径规划，避障和探索等。移动机器人必须知道其位置才能创建地图。另一方面，移动机器人需要通过地图来获取位置信息。因此，移动机器人必须对环境地图进行创建，同时在地图中定位。

完整的视觉SLAM框架由跟踪前端、优化后端、闭环检测以及地图构建等四部分组成。当跟踪丢失时，闭环检测可以实现重定位，对于长时间导航的正确性起着至关重要的作用。视觉SLAM中的VO(visual odometry，视觉里程计)可分为两类：直接法与特征法。特征法通过提取图像中的特征点和描述子，之后进行特征点匹配，通过最小化重投影误差来计算获得机器人的位姿。匹配的特征点可用于闭环检测和重定位，这使得VO成为完整的SLAM。然而，特征提取与匹配需要耗费大量的计算时间，使得特征法比直接法耗时更多。直接法通过最小化光度误差来获得机器人的位姿信息，无需进行特征提取。然而基于直接法的SLAM的闭环检测仍然是一个待解决的问题。长时间导航出现的漂移问题仍然是直接法遇到的主要问题之一。

发明内容

本发明的目的在于提供一种融合特征法与直接法的RGB-D稠密视觉SLAM方法，以结合直接法的快速性能与直接法的高精度和闭环能力。对于关键帧提取与匹配ORB(Oriented FAST and Rotated BRIEF)特征，并通过最小化光度误差对非关键帧进行跟踪，而不需要特征提取与匹配。关键帧用于局部建图线程与闭环线程，而非关键帧用于跟踪与定位，这使得其耗时更少。此外，本发明还可根据RGB-D图像和相机位姿信息，通过在基于八叉树的建图框架Octomap上构建3D占用网格地图，为移动机器人完成导航和避障等任务提供更加准确的环境地图。

提出了一种融合直接法与特征法的RGB-D同时定位与地图创建方法。本发明的技术方案如下：

一种融合直接法与特征法的RGB-D同时定位与地图创建方法，其包括以下步骤：

步骤S1，初始化，并利用RGB-D相机采集室内环境的RGB彩色数据与Depth深度数据，将第一帧作为关键帧，初始化相机位姿之后，在关键帧中提取关键点，利用其在深度图像中的深度值构造一系列3D点，从所有3D点中创建一个初始化地图；

步骤S2，对步骤S1中的RGB彩色数据，通过最小化光度误差来进行相机的初始位姿估计以及像素点的对应关系计算；

步骤S3，利用最小化局部地图点的重投影误差再次优化相机位姿，对局部地图进行跟踪，并判断是否生成新的关键帧，若跟踪失败，则触发新的跟踪周期；

步骤S4，在局部建图线程中，对当前关键帧图像中的ORB(Oriented FAST andRotated BRIEF)特征进行提取与匹配，筛选出当前关键帧中冗余的地图点，由特征提取与匹配的结果来创建新的地图点；

步骤S5，当处理完所有关键帧之后，执行局部BA(光束平差法)优化，对周围的关键帧位姿以及地图点位置进行优化；