[发明专利]一种基于点线面特征的室内双目视觉里程计方法

说明书

本发明公开了一种基于点线面特征的双目视觉里程计方法，针对于室内结构化环境做出曼哈顿世界假设，利用相交线对的参数计算面特征和高斯球面均值漂移聚类算法优化曼哈顿世界坐标系，以此基于线面特征实现无漂移旋转估计，基于点线特征的重投影函数估计平移矩阵以此获取最优相机位姿。本发明针对于室内结构化环境，解决低纹理、低语义和光曝强的人造结构化环境下视觉SLAM系统信息利用率低、计算代价高昂和重定位失准和等问题，从而能提高系统鲁棒性、实时性和定位精度。

技术领域

本发明属于移动机器人同步定位与地图构建技术领域，涉及一种多特征融合的双目视觉里程计方法。

背景技术

视觉SLAM通过相机作为环境信息读取设备，使机器人在运动过程中进行自身定位并且创建环境地图，同时对地图进行实时修正消除误差。机器人运动时通过SLAM所构建地图的质量直接对此之后的路径规划、导航定位以及避障等应用起着决定性的作用。此项技术已被证明在广泛的应用中起到决定性作用，例如移动机器人、自动驾驶汽车和增强/虚拟现实，其中准确的相机位姿估计使汽车、机器人等移动设备能够自身定位，构建地图提供环境信息用于机器人与环境和机器人与人的交互。

在现有的研究成果中，主流的视觉SLAM方法之一为特征点法，通过环境提供的特征点信息进行匹配和数据关联估计相机位姿。近些年的研究中逐渐加入线特征信息以提升系统稳定性。而大多数SLAM方法仅只是使用点线特征进行定位追踪，即使两种特征已经能承载大多人造结构化场景中的结构信息，但是低纹理、低语义环境仍存在特征分布不均导致的定位精度低、实时性差和系统鲁棒性低等问题。针对于此，文献“Yanyan Li等人，Structure-SLAM:Low-Drift Monocular SLAM in Indoor Environments.IEEE Roboticsand Automation Letters(RAL),2020”充分利用结构化场景现有的几何信息，在点线特征的基础上加入面特征以实现相机跟踪过程的无漂移旋转估计。但输入图像帧的平面法线估计计算依靠卷积神经网络实现，一定程度上需要付出高昂的计算代价，影响系统轻量化程度。文献“Xiaoyu Zhang等人，Stereo Plane SLAM Based on Intersecting Lines.IEEEConference on Computer Vision and Pattern Recognition(CVPR),2020”提出通过双目相机在图像帧中基于相交线特征端点和方向向量参数化面特征的新方法，计算过程剔除估计错误的面特征使得漂移误差减小，系统性能有所提升。但此系统相机位姿估计仍基于传统方法，存在帧间平面特征数据关联计算量大，稳定性差的问题。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出基于点线面特征的室内双目视觉里程计方法，以期针对于室内结构化环境，能解决低纹理、低语义和光曝强的人造结构化环境下视觉SLAM系统信息利用率低、计算代价高昂和重定位失准和等问题，从而能提高系统鲁棒性、实时性和定位精度。

为达到上述目的，本发明提供如下技术方案：

本发明一种基于点线面特征的室内双目视觉里程计方法的特点在于，包括以下步骤：

步骤1、以双目相机为信息读取设备，标定所述双目相机的内参后对所采集的图像帧进行预处理，得到去噪后的第k帧图像；

步骤2、对于所述去噪后的第k帧图像提取ORB点特征；再采用改进的LSD算法提取所述去噪后的第k帧图像中的线特征，筛选出线特征中的相交线对；

步骤3、计算相交线对的端点3D位置(P_start,P_end)和方向向量n_l；

步骤4、根据所述相交线对的端点3D位置和方向向量获取面特征的参数；

步骤5、对双目相机所处的室内环境做出曼哈顿世界假设，以利用位姿估计解耦算法将所述双目相机的运动过程中的旋转和平移矩阵分别解算：