[发明专利]基于调频模型的视觉模板匹配的鲁棒性提升方法

说明书

本发明公开了一种基于调频模型的视觉模板匹配的鲁棒性提升方法，包括如下步骤：步骤1、使用RatSLAM算法建立拓扑地图；步骤2、在建立拓扑地图的过程中，使用高斯函数对当前场景的RGB图像进行平滑处理；步骤3、将平滑后的图像转换到Lab颜色空间；步骤4、计算图像各个颜色通道的平均值；步骤5、计算每个像素的L、a、b值与图像L、a、b三通道均值的欧氏距离，得到显著图；步骤6、将图像按列求和并进行归一化处理得到视觉模板，将视觉模板储存在拓扑地图中的经验点中。步骤7、使用SAD(sum of absolute differences)模型对视觉模板进行匹配，用于检测闭环从而对拓扑地图进行修正。本发明能够提升视觉模板的鲁棒性，从而提高图像匹配的准确率。

技术领域

本发明涉及图像处理领域，具体涉及一种基于调频模型的视觉模板匹配的鲁棒性提升方法。

背景技术

图像匹配是SLAM(simultaneouslocalizationandmapping)中闭环检测的重要方式之一，可以降低视觉里程计的累计误差产生的影响，对于移动机器人建立高精度地图具有重要意义。而当前RatSLAM算法中是通过视觉模板的匹配来检测闭环，从而减少视觉里程计带来的累计误差。而RatSLAM算法中的视觉模板是仅仅将灰度化图像按列求和并进行归一化处理得到的，易受光照强度变化的影响，从而导致基于视觉模板的图像匹配的准确率较低。因此，研究提高视觉模板的鲁棒性是提高图像匹配正确率的关键。

发明内容

本发明要解决的技术问题是提供一种基于调频模型的视觉模板匹配的鲁棒性提升方法。

为了解决上述技术问题，本发明提供了一种基于调频模型的视觉模板匹配的鲁棒性提升方法，包括如下步骤：

步骤1、使用RatSLAM算法建立二维拓扑地图；

步骤2、在建立拓扑地图的过程中，使用高斯函数对当前场景的RGB图像进行平滑处理；

步骤3、将平滑后的图像转换到Lab颜色空间；

步骤4、计算图像各个颜色通道的平均值；

步骤5、使用二范数计算欧氏距离，得到显著图；

步骤6、将图像按列求和并进行归一化处理得到视觉模板，将视觉模板储存在拓扑地图中的经验点中。

步骤7、使用SAD(sumofabsolutedifferences)模型对视觉模板进行匹配，用于检测闭环从而对拓扑地图进行修正。

上述技术方案中，所述步骤1中的RatSLAM算法是一种仿生导航算法，通过单目相机采集的RGB图像信息可以建立二维拓扑地图。

上述技术方案中，所述步骤2中的高斯函数为高斯差分滤波器。

上文中，所述高斯差分滤波器的目的是去除图像的细节信息和噪点。图像在频率域可以分成低频部分和高频部分。低频部分反映了图像的整体信息，如物体的轮廓，基本的组成区域。高频部分反映了图像的细节信息，如物体的纹理。而显著性区域检测用到的更多的是低频部分的信息。

上述技术方案中，所述步骤2中Lab颜色空间包含三个要素：亮度(L)，两个颜色通道(a和b)。

上文中的两个颜色通道：a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(低亮度值)到灰色(中亮度值)再到黄色(高亮度值)。

上述技术方案中，所述步骤5中的欧氏距离是用二范数计算每个像素的L、a、b值与图像L、a、b三通道均值的距离。所述显著图是指经过调频模型处理得到的图像。

上述技术方案中，所述步骤6中的视觉模板是一维向量的形式。

上述技术方案中，所述步骤7中的SAD模型是一种图像匹配算法。