[发明专利]一种定位方法及装置

说明书

本发明提供了一种定位方法，应用于移动设备中的处理器，该移动设备安装有RGB‑D相机，在对当前帧图像与参考帧图像进行特征点匹配后，利用运动一致性滤波算法对匹配得到的特征点进行处理，得到当前帧图像中的静态特征点，进而根据该静态特征点计算RGB‑D相机的初始化位姿。通过利用特征点长时间观测信息和空间关联性，建立特征点联结图，通过切割特征点联结图，准确区分动态特征点和静态特征点，利用相对准确的静态特征点对RGB‑D相机的初始化位姿进行优化，提高视觉SLAM系统的定位精度。本发明并不会过多增加传统SLAM算法的时间复杂度，也不会对系统应用场景造成限制，SLAM系统可以在动态场景下进行准确地位姿估计。

技术领域

本发明涉及人工智能技术领域，更具体的，涉及一种定位方法及装置。

背景技术

随着人工智能领域的快速发展，移动机器人技术在工业、服务业等领域的应用越来越广泛。为了应对复杂的室内环境，机器人需要具有智能化和鲁棒性地自主导航能力。作为机器人导航中必不可缺的同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术便成为了当前机器人领域研究的热点。

SLAM技术是指搭载特定传感器的机器人，在没有环境先验信息的情况下，在运动过程中建立环境模型，并且估计自己的运动位姿。但是为了简化定位问题，绝大多数SLAM系统都是基于周围环境是静态这个假设。然而，在现实室内场景中，移动对象(如人)总是存在的，因此许多现有的SLAM系统适用的场景受到了一定限制。在这些传统的SLAM系统中，移动物体的运动容易被融合到相机的姿态估计中，导致定位精度变差，甚至系统故障。

发明内容

有鉴于此，本发明提供了一种定位方法及装置，提高视觉SLAM系统的定位精度。

为了实现上述发明目的，本发明提供的具体技术方案如下：

一种定位方法，应用于移动设备中的处理器，所述移动设备安装有RGB-D相机，所述方法包括：

获取RGB-D相机采集的当前帧图像；

对所述当前帧图像中的特征点与参考帧图像中的特征点反投影至3D空间中的特征点进行匹配，得到匹配成功的第一特征点，所述参考帧图像为满足预设条件的关键帧图像；

利用运动一致性滤波算法对所述第一特征点进行处理，得到所述当前帧图像中的静态特征点；

基于所述当前帧图像中的静态特征点计算RGB-D相机的初始化位姿；

对所述当前帧图像中的特征点与局部地图点进行匹配，得到匹配成功的第二特征点，所述局部地图点为预设历史时间段内与所述当前帧图像有共视关系的关键帧图像中的特征点反投影至3D空间中的特征点集合；

根据所述第二特征点构建特征点联结图，对所述特征点联结图进行切割，得到所述特征点联结图中的静态特征点；

利用所述特征点联结图中的静态特征点，对RGB-D相机的初始化位姿进行优化。

可选的，所述利用运动一致性滤波算法对所述第一特征点进行处理，得到所述当前帧图像中的静态特征点，包括：

对所述第一特征点中具有可靠深度值的特征点进行聚类，得到具有运动一致性的多个聚类块；

计算每个聚类块的位姿变换矩阵；

利用所述第一特征点中没有深度值或深度值不可靠的特征点，对每个聚类块进行极线约束验证，得到最符合背景相对运动属性的位姿变换矩阵，作为迭代的初始化位姿变换矩阵；

对最符合背景相对运动属性的位姿变换矩阵中的第一特征点对进行误差检测，将误差小于阈值的第一特征点对加入点对集合；