[发明专利]一种动态场景下基于实例分割的鲁棒性位姿估计方法

说明书

本发明公开了一种动态场景下基于实例分割的鲁棒性位姿估计方法，可以在视觉导航过程中剔除动态场景，其思路是在实例分割区域结合光流跟踪检测图像序列中的动态区域并剔除。该算法首先用实例分割结合目标跟踪算法，锁定潜在的动态物体区域；然后在采用光流法在分割区域进行动态点检测，获得分割区域物体的动态概率；最后用动态概率结合语义先验信息判断动态区域。本发明通过剔除环境信息中的动态部分，可以显著提高SLAM系统的实时定位精度，大大增加机器人定位系统的鲁棒性，以便满足机器人更智能化的应用场景。

技术领域

本发明涉及图像图形技术领域和一种同时定位与建图技术，具体涉及一种动态场景下基于实例分割的鲁棒性位姿估计方法。

背景技术

近年来，智能机器人已成为学术界和工业界的一个重要的研究方向。要使机器人更加智能、更加自主，机器人必须提高对未知环境的认知能力。同时定位与地图构建技术(SLAM，Simultaneously positioning and mapping)是构建三维场景地图以及机器自身定位的关键技术，已经成功应用到无人车、无人机、快递机器人、智能清洁机器人等产品上。

目前，一些先进的开源SLAM系统已能保证实时运行并稳定定位，然而这些系统多基于如下假设：系统运行的环境是静态的。然而，我们身处的真实环境中存在大量的动态物体，且环境中的树木也常常存在晃动等情况，这些运动特征如果参与解算会严重影响位姿解算与建图的精度，尤其当动态物体占据较大检测场景时系统就会出现错误的数据关联，导致整个SLAM过程恶化。因此，考虑动态物体的因素并去除能显著提高SLAM系统的实时定位精度，也有利于三维地图的构建。提高机器人的感知能力，判断所获取的环境信息中哪些部分是动态的，并在定位过程中将其剔除，可大大增加机器人定位系统的鲁棒性；另一方面，去除动态物体，可以提高建图精度，满足更智能化的应用场景。

发明内容

为解决上述问题，本发明公开了一种动态场景下基于实例分割的鲁棒性位姿估计方法，来剔除图像中的动态物体，以便SLAM系统能够增加位姿解算与建图的精度。

为达到上述目的，本发明的技术方案如下：

一种动态场景下基于实例分割的鲁棒性位姿估计方法，包括如下步骤：

(1)用实时实例分割网络Yolcat进行实例分割识别潜在的动态物体，并结合Camshift对识别物体进行跟踪，获得物体的分割结果；

(2)结合LK光流法，计算分割物体内所有特征点的动态概率，得到该物体的动态概率p_d；

(3)预设特定类别物体的动态概率p_w作为语义先验概率，将物体的动态概率p_d作为似然概率，由贝叶斯公式确定后验概率p_post，并设定阈值σ判断分割区域是否为动态区域；

(4)剔除动态区域的特征点，进行特征匹配并计算相机位姿。

本发明进一步改进在于：

其中步骤(1)中，用Yolcat进行实例分割识别潜在的动态物体，并结合Camshift对识别物体进行跟踪，获得物体的分割结果，具体步骤为：

(1.1)提取当前帧的ORB特征点；

(1.2)使用Yolact识别分割物体，并为每个物体标号；

(1.3)使用Camshift跟踪每个分割物体；

(1.4)在下一帧中计算Camshift跟踪的物体区域C_area与Yolact分割物体区域Y_area的区域重合度θ，其中：

(1.5)若超过设定阈值ε，则Yolact分割失败，使用Camshift跟踪到的结果，否则使用Yolact的结果；