[发明专利]基于生物视觉模型的RatSLAM环境适应性提升方法和系统

说明书

本发明涉及一种基于生物视觉模型的RatSLAM环境适应性提升方法及系统，包括以下步骤：将RGB色彩空间中的图像转换到HSI色彩空间；在HSI色彩空间中的I通道使用同态滤波器对图像做滤波处理并获得滤波后的图像；在HSI色彩空间中的S通道使用引导滤波器对图像做处理，获得边缘特征增强后的图像；将滤波后的图像和边缘特征增强后的图像再次转换到RGB色彩空间；将双通道处理后的转换到RGB色彩空间的图像加入到RatSLAM系统的图像处理部分，作为输入图像；根据输入图像生成视觉模板，将视觉模板储存在拓扑经验地图中的经验点中；对视觉模板进行匹配，并改善所建立的拓扑经验地图。其能够减小光照变化对RatSLAM系统的影响，提升系统的环境适应性从而提高建立的拓扑图的精度。

技术领域

本发明涉及图像处理技术领域，结合仿生特性，尤其是指一种基于生物视觉模型的RatSLAM环境适应性提升方法。

背景技术

图像匹配是SLAM(s imu ltaneous l oca l i zat ion and mappi ng)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。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，研究减弱光照变化影响，提高原有系统的环境适应性是必要的。

HSI色彩空间是从人类的视觉系统出发，用H色调、S色饱和度和I亮度来描述色彩。该空间中的三个分量之间相互独立，与人类感受色彩的方式紧密联系，是根据人类视觉系统所建立的一种仿生物视觉的数学模型。在彩色图像中，相较于RGB空间，HSI空间有以下优点：1.HSI颜色空间更接近人类对颜色的感知；2.HSI颜色空间把图像分成三个通道，可以单独地对每一个通道做不同的处理，有较好的灵活性；3.强度分量是三个颜色通道的加权平均，对噪声不太敏感。因此HSI模型是开发基于对人类来说自然和直观的颜色描述的图像处理算法的理想工具。

图像的同态滤波属于图像频率域处理范畴，其作用是对图像灰度范围进行调整，通过消除图像上照明不均的问题，增强暗区的图像细节，同时又不损失亮区的图像细节。为了消除不均匀照度的影响，应当增强图像的高频部分的细节，并对感兴趣的景物进行有效增强，这样就在很大程度上做到了原图像的图像增强。同态滤波可以较好更改图像亮度不均，但是这种频域滤波没法保持空域和频域滤波结果的一致性，从而带来边界模糊的弊端。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中频域滤波没法保持空域和频域滤波结果的一致性，带来边界模糊的技术缺陷。

为解决上述技术问题，本发明提供了一种基于生物视觉模型的RatSLAM环境适应性提升方法，包括以下步骤：

提取RGB图像，将RGB色彩空间中的图像转换到HSI色彩空间；

在HSI色彩空间中的I通道使用同态滤波器对图像做滤波处理以抑制光照变化影响，获得滤波后的图像；

在HSI色彩空间中的S通道使用引导滤波器对图像做处理以增强边缘特性，获得边缘特征增强后的图像；

将滤波后的图像和边缘特征增强后的图像再次转换到RGB色彩空间，获得双通道处理后的转换到RGB色彩空间的图像；

将双通道处理后的转换到RGB色彩空间的图像加入到RatSLAM系统的图像处理部分，作为输入图像；

根据输入图像生成视觉模板，将视觉模板储存在拓扑经验地图中的经验点中；

对视觉模板进行匹配，并改善所建立的拓扑经验地图。

作为优选的，选择高斯高通滤波器作为同态滤波器。

作为优选的，所述根据输入图像生成视觉模板，具体包括：