[发明专利]一种基于单目视觉SLAM初始化方法

说明书

一种基于单目视觉SLAM初始化方法。是为了解决特征点法适应帧间大运动，具有较好鲁棒性，但特征提取与匹配会占据大量时间，难以达到更高的实时性的问题。本发明包括如下步骤：从当前输入的图像中获取当前帧，对获取的所述当前帧进行关键帧筛选；对获取的所述每一关键帧进行点线特征提取；对于每两关键帧，利用匹配获得的特征匹配对集合计算两关键帧之间的相对位姿，并处理获得点特征和线特征在空间中对应的三维点和三维直线在参考帧坐标系下的三维坐标，所有关键帧和三维点、三维直线构成初始地图；深度滤波器遍历种子点，并建立新的地图信息，完成单目视觉SLAM初始化过程。本发明用于单目视觉SLAM初始化。

技术领域

本发明涉及一种基于单目视觉SLAM初始化方法。

背景技术

早视觉SLAM(同时定位与地图构建)是计算机视觉领域的一个重要方向，它在无人驾驶、机器人以及AR/VR领域都有很广泛的应用，得到了越来越多的关注。而单目SLAM是其中最重要的一类，不仅是因为单个相机成本低，而且单目SLAM应用的场景更广泛。不过单目SLAM也有一些缺陷，比如尺度的不确定性以及漂移误差的积累。另外，和多目SLAM相比，单目SLAM的初始化难度更大，更容易发生初始化失败或初始化精度不高的情况。

特征点法适应帧间大运动，具有较好鲁棒性，但特征提取与匹配会占据大量时间，难以达到更高的实时性，同时仅能建立较为稀疏的点云地图，无法提供场景结构信息。直接法能利用图像中的更多信息，在GPU下可实现稠密重建，但是对于光照变换、运动模糊等情况鲁棒性不足。半直接法具有较好的实时性，但也存在直接法所具有的缺点。

发明内容

为了解决上述现有技术的不足之处，本发明的目的在于提供一种基于单目视觉SLAM初始化方法，以克服现有技术中的缺陷。

为了实现上述目的，本发明提供了一种基于单目视觉SLAM初始化方法，方法包括如下步骤：

(1)从当前输入的图像中获取当前帧，对获取的所述当前帧进行关键帧筛选，并将所述当前帧送入帧列队；

(2)依次获取所述帧队列中每一关键帧，对获取的所述每一关键帧进行点线特征提取，并将所述点线特征作为种子点送入深度滤波器；

(3)对于每两关键帧，利用匹配获得的特征匹配对集合计算两关键帧之间的相对位姿，并处理获得点特征和线特征在空间中对应的三维点和三维直线在参考帧坐标系下的三维坐标，所有关键帧和三维点、三维直线构成初始地图；

(4)深度滤波器遍历种子点，在所述帧队列中每一帧上对其进行极线搜索、深度滤波，估计所述点线特征深度，并建立新的地图信息，完成单目视觉SLAM初始化过程。

所述的一种基于单目视觉SLAM初始化方法，

所述的一种基于单目视觉SLAM初始化方法,对从图像中获取的当前帧进行关键帧筛选前还包括如下步骤：对处于初始状态的所述当前帧进行SLAM初始化；对处于正常状态的后续输入帧进行运动估计，通过稀疏图像对齐、特征细化、位姿及结构优化对所述当前帧进行运动估计。

所述的一种基于单目视觉SLAM初始化方法，对关键帧进行点线特征提取中的特征包括角点特征、梯度点特征、梯度线特征；所述角点特征通过FAST算法提取，所述梯度线特征通过LSD算法提取。

所述的一种基于单目视觉SLAM初始化方法，所述的角点特征和梯度线特征采用以下相同方式进行特征匹配：

两关键帧之间的一个线特征匹配对中，第一个关键帧的图像检测出的线特征的两个端点通过旋转矩阵R和平移矩阵t分别转换成第二个关键帧的图像中的两条极线，极线的方向向量采用如下公式计算：