[发明专利]动态场景下基于全卷积神经网络的视觉SLAM方法及系统

说明书

本发明提供一种动态场景下基于全卷积神经网络的视觉SLAM方法和系统，该方法包括：获取图像数据集；根据所述图像数据集构建全卷积神经网络模型；利用所述全卷积神经网络模型对摄像机当前采集的单目实时图像进行语义分割，得到语义标签图像；根据所述语义标签图像剔除所述单目实时图像的动态特征点，得到所述单目实时图像的静态特征点；根据所述静态特征点估计所述摄像机的位姿。通过本发明提供的方法，能够准确识别动态目标并完成语义分割，有效的提高摄像机跟踪的准确性和鲁棒性，提高视觉SLAM在动态场景中定位与建图精度。

技术领域

本发明涉及计算机视觉技术领域，具体地，涉及一种动态场景下基于全卷积神经网络的视觉SLAM方法和一种动态场景下基于全卷积神经网络的视觉SLAM系统。

背景技术

同时定位与地图构建(Simultaneous Localization And Mapping，SLAM)，指机器人在陌生环境中通过自身携带的传感器估计自身位姿与构建环境地图的过程，它是很多机器人应用场景的先决条件，如路径规划、无碰撞导航、环境感知等。视觉SLAM指利用视觉信息进行摄像机的自身位姿估计与环境三维地图构建的感知。

现有技术中，可以根据输入图像的相邻两帧间特征点匹配来估计该两帧相对位移，从而计算出摄像机的实际位移，但是场景中缓慢移动的动态物体能够导致摄像机位姿计算出现偏差从而致使整个视觉SLAM系统定位失准。

发明内容

针对现有技术中缓慢移动的动态物体导致摄像机位姿计算出现偏差从而致使整个视觉SLAM系统定位失准的技术问题，本发明提供了一种动态场景下基于全卷积神经网络的视觉SLAM方法和一种动态场景下基于全卷积神经网络的视觉SLAM系统，采用该方法能够有效的提高摄像机跟踪的准确性和鲁棒性，提高视觉SLAM在动态场景中定位与建图精度。

为实现上述目的，本发明一方面提供的一种动态场景下基于全卷积神经网络的视觉SLAM方法，该方法包括以下步骤：获取图像数据集；根据所述图像数据集构建全卷积神经网络模型；利用所述全卷积神经网络模型对摄像机当前采集的单目实时图像进行语义分割，得到语义标签图像；根据所述语义标签图像剔除所述单目实时图像的动态特征点，得到所述单目实时图像的静态特征点；根据所述静态特征点估计所述摄像机的位姿。

进一步地，所述利用所述全卷积神经网络模型对摄像机当前采集的单目实时图像进行语义分割，得到语义标签图像，包括：利用所述全卷积神经网络模型中与VGG16网络的全连接层输入数据尺寸相同的卷积核将所述VGG16网络的全连接层转化为卷积层，得到FCN-VGG16网络；对所述FCN-VGG16网络进行优化；利用优化后的FCN-VGG16网络对所述单目实时图像进行动态目标与背景的二分类操作，得到所述语义标签图像。

进一步地，所述方法还包括：在所述FCN-VGG16网络中每一次卷积计算后，使用线性整流函数作为激励函数对前一卷积层进行稀疏性处理；对所述FCN-VGG16网络中每一池化层进行池化操作。

进一步地，所述对所述FCN-VGG16网络进行优化，包括：引入跳跃结构对所述FCN-VGG16网络中的每一池化层进行上采样操作和融合，得到所述优化后的FCN-VGG16网络。

进一步地，所述利用优化后的FCN-VGG16网络对所述单目实时图像进行动态目标与背景的二分类操作，得到所述语义标签图像，包括：确定所述优化后的FCN-VGG16网络的热图的类别个数；确定所述单目实时图像属于目标类别的预测概率；根据所述热图的类别个数和所述预测概率识别所述单目实时图像的动态目标；根据识别出的动态目标对所述单目实时图像进行语义分割，得到所述语义标签图像。

进一步地，根据所述热图的类别个数和所述预测概率通过以下方式识别所述单目实时图像的动态目标：