[发明专利]基于光流跟踪和特征匹配的回环检测及视觉SLAM方法

说明书

本发明涉及一种基于光流跟踪和特征匹配的回环检测及视觉SLAM方法，属于机器人定位与导航技术领域。本发明设计了基于光流跟踪和特征匹配的视觉SLAM算法框架，该框架分别对视觉里程计、回环检测等模块进行了优化设计。在视觉里程计模块，将LK光流法引入到基于点线特征的数据关联中，设计了基于光流跟踪和点线特征匹配的视觉里程计算法，提高了算法的快速性；在回环检测模块，将图像信息的全局特征算子和局部特征算子相结合，设计了基于点线特征的回环检测算法，提高了算法的准确性。最后开展了算法的实现工作和实验对比研究，该实验在室内EuRoC数据集上进行，实验结果表明本文算法相较于ORB‑SLAM算法具有更高的定位精度和鲁棒性能。

技术领域

本发明属于机器人定位与导航技术领域，具体涉及一种基于光流跟踪和特征匹配的回环检测及视觉SLAM方法。

背景技术

同步定位与地图构建(Simultaneous Localization and Mapping，SLAM)作为机器人在未知环境下实现自主作业的关键技术，日益成为机器人领域的研究热点。同时，基于视觉传感器的SLAM技术凭借其低成本、轻量化以及具有丰富的感知能力等优点得到了广大学者的青睐。

光流跟踪描述了图像像素点随着时间在图像之间的运动过程，即：对于前一帧中的像素点，确定出在后一帧即将出现的位置。光流跟踪匹配点特征的过程就是跟踪像素点的过程，相较于描述子匹配，光流跟踪匹配省去了提取点特征、计算描述子等操作，降低了计算量，并且不会出现类似于描述子匹配中存在的误匹配问题。但是，光流跟踪法的缺点在于容易受光照影响，弱纹理场景效果不好，并且当相机发生大尺度移动时，无法很好地跟踪。

回环检测技术为SLAM问题带来更多的约束关系，从而得到更准确的位姿估计。在视觉SLAM中，其本质是一种比较图像间相似性的算法，然而，当场景中的物体具有高度相似性时，基于点特征的回环检测方法容易产生感知混淆的问题，从而做出错误的回环判断。

一直以来，点特征是视觉SLAM中应用最为广泛的图像特征，ORB-SLAM正是一款基于点特征设计的开源算法，它具有定位精度高、逻辑结构清晰、以及代码易读性强等诸多优点。然而，ORB-SLAM对点特征依赖较大，导致其在弱纹理场景、光线较暗场景以及相机运动速度过快等情况下定位性能不佳。

发明内容

要解决的技术问题

为了解决现有回环检测方法在相似度高的场景中检测精度不高的问题以及现有SLAM方法在弱纹理场景、光线较暗场景、相机运动速度过快等情况下定位性能不佳的问题，考虑到结构化的场景中除了点特征外，还存在着丰富的线特征，两者能起到信息互补的作用，因此，本发明在ORB-SLAM算法框架下引入线特征，设计了基于光流跟踪和特征匹配的视觉SLAM算法，提高了ORB-SLAM算法的定位精度和鲁棒性能。

技术方案

一种基于光流跟踪和特征匹配的回环检测及视觉SLAM方法，其特征在于步骤如下：

步骤1：双目相机采集图像，对图像做预处理；

步骤2：在相邻帧之间，点特征采用LK光流法跟踪匹配，线特征采用描述子的方式匹配；

步骤3：基于相邻帧之间点线特征的重投影误差构建代价函数F₁，对当前帧的位姿进行优化调整；

步骤4：判断当前帧是否为关键帧，如果是，则执行步骤5；如果不是，则设定前一关键帧为当前帧的参考关键帧，然后跳转至步骤9；

步骤5：提取当前帧的ORB点特征，并计算BRIEF描述子；

步骤6：在局部关键帧之间，点线特征均采用描述子的方式匹配；

步骤7：基于局部关键帧之间点线特征的重投影误差构建代价函数F₂，再次优化调整位姿；