[发明专利]基于光流跟踪预测和凸几何距离的线段特征跟踪方法

说明书

本发明属于视觉跟踪领域，具体涉及了一种基于光流跟踪预测和凸几何距离的线段特征跟踪方法，旨在解决现有基于描述子的线段匹配方法精确性低和速度慢的问题。本发明包括：基于当前帧图像利用FLD算法提取线段，并采样等距特征点；利用IMU信息进行特征点在下一帧的位置预测，并利用KLT稀疏光流跟踪方法进行特征跟踪；对于所有的跟踪成功的特征点去除跟踪错误的特征点之后，拟合得到预测线段；对每一条线段，计算其与候选匹配线段之间的几何距离，构建误差函数，并利用最小化L1范数的方法求解匹配向量，从而得到线段之间的匹配关系。本发明进行线段跟踪匹配的精度高和速度快，且不依赖局部线段描述子。

背景技术

近年来，视觉SLAM技术在无人驾驶、虚拟现实以及机器人导航等领域得到了广泛的应用。现有的视觉SLAM系统的前端部分一般基于点特征。然而，在一些场景中难以提取到额定数量的特征点(比如白墙和路面等)，但是这些场景可能存在着大量的线段特征。因此，能够利用线段特征来提高SLAM系统在这些场景中的鲁棒性。此外，相比于点特征，线段特征能够提供场景的结构信息。由于上述优点，近年来，线段特征在SLAM系统中得到了应用。

现有的基于线段特征的SLAM系统或者点线融合的SLAM系统一般基于局部描述子进行线段匹配。然而，基于局部描述子的线段跟踪方法仍然存在一些挑战。首先，线段周围的纹理信息较为相似，这一特性使得线段描述子的区分性较差，从而导致线段匹配的精度较低。其次，基于局部描述子的线段匹配方法极其耗时，导致基于线段的方法无法应用到嵌入式等低端设备上。为了解决上述问题，本发明提出了一种不依赖局部描述子的准确和快速的线段跟踪方法。

发明内容

为了解决现有技术中的上述问题，即为了解决现有基于描述子的线段匹配方法精确性低和速度慢的问题，本发明提第一方面，供了一种基于光流跟踪预测和凸几何距离的线段特征跟踪方法，包括以下步骤：

步骤S100，提取输入视频数据中第t帧的图像I_t的线段l_i，得到第一线段集；

步骤S200，提取每一条线段的特征点，通过基于IMU辅助的光流跟踪，获取所述特征点在t+1帧的图像I_t+1上的位置，得到预测点集；

步骤S300，对所述特征点在所述图像I_t+1上的位置进行拟合，得到所述图像I_t+1中的预测线段l′_i，得到第二线段集；

步骤S400，获所述图像I_t+1中的线段l_j，得到第三线段集；

步骤S500，基于线段l′_i和所述第三线段集中所有线段的几何距离，构建线段l′_i的误差矩阵A_i；

步骤S600，对误差矩阵A_i、匹配向量x_i，采用L1范数的凸优化获取所述第三线段集中与线段l′_i匹配的线段，并基于线段l_i和线段l′_i的对应关系，得到所述第三线段集中与线段l_i匹配的线段。

在一些优选实施方式中，所述第t帧图像的线段l_i通过FLD的方法提取。

在一些优选实施方式中，步骤S200中“提取每一条线段的特征点”，其方法为：在线段l_i上等距采样c个点作为特征点。

在一些优选实施方式中，所述预测点集的获取方法为：

获取第一预测点集u′₁，

u′₁＝KRK^-1u₁