[发明专利]一种基于高光像素检测的视觉里程计位姿优化方法

说明书

本发明公开了一种基于高光像素检测的视觉里程计位姿优化方法，主要步骤包括：高光像素检测、权重矩阵计算、特征描述子计算、最小二乘优化。在金属、部分光滑物体表面常常发生镜面反射，导致相机捕获到的图像存在高光像素。而高光像素位置会随相机视角移动而改变，导致视觉定位中相邻图像匹配错误，从而定位精度下降。本发明的核心在于引入了高光像素检测，将检测结果转换成权重矩阵加入到位姿优化过程中，该方法剔除高光像素带来的错误匹配，有效提高了视觉定位的精度。

技术领域

本发明涉及机器人视觉定位领域，尤其是涉及一种基于高光像素检测的视觉里程计位姿优化方法。

背景技术

在金属等光滑物体表面常常发生镜面反射，导致相机捕获到的图像存在高光像素。而高光像素位置会随相机视角和光源位置移动而改变，导致视觉定位中相邻图像匹配错误，从而导致定位精度下降。

发明内容

为解决现有技术的不足，本发明在传统视觉里程计位姿求解中引入高光权重矩阵，实现提高视觉里程计定位精度的目的，本发明采用如下的技术方案：

一种基于高光像素检测的视觉里程计位姿优化方法，包括如下步骤：

S1，按照固定帧数实时获取环境彩色图像信息；

S2，计算彩色图像中高光像素图片；

S3，通过高光像素图片，计算各像素高光权重矩阵W_highlight；

S4，计算各像素梯度权重矩阵W_grad；

S5，计算最终权重矩阵W=W_highlight•W_grad；

S6，计算各像素点描述子；

S7，建立最小二乘优化方程，代入权重矩阵和像素点描述子，进行非线性优化求解位姿信息。

进一步地，所述S2中，将所有彩色图像像素对应的色度值，引入到最小色度-最大色度二维空间进行聚类，通过聚类得到的I_ratio(i)计算高光像素成分I_highlight。

进一步地，所述I_ratio(i)，通过计算彩色图像最小强度值I_min，最大强度值I_max，将得到的色度值Λ^psf(i)，投影到最小色度-最大色度二维空间进行聚类得到，表达式如下：