[发明专利]基于自适应鲁棒核的单目视觉惯性SLAM方法与系统

说明书

本发明公开了一种基于自适应鲁棒核的单目视觉惯性SLAM方法与系统，属于视觉机器人领域。本发明主要针对单目初始化、后端优化以及回环检测部分提出改进，在单目初始化时对当前帧与参考帧进行初始特征匹配，并行计算单应矩阵和基础矩阵两个运动模型，并通过几何鲁棒信息含量选择单应矩阵或者基本矩阵，进行模型分解以及光束法平差BA优化；在局部建图线程构建最小化重投影误差的成本函数，采用自适应鲁棒核应用于BA优化；在回环检测线程利用自适应鲁棒核减少回环校正过程中的累积误差。与现有技术相比，本发明改善了单目初始化过程，采用自适应鲁棒核降低外点的影响，增强了优化效果，提高了系统的鲁棒性。

技术领域

本发明属于视觉机器人领域，涉及基于自适应鲁棒核的单目视觉惯性SLAM方法与系统，尤其涉及单目视觉惯性SLAM中的单目初始化、后端优化以及回环检测部分的优化。

背景技术

随着自动化集成技术、通讯与电子技术、高精度传感器技术的飞速发展，机器人技术己经成为社会生产生活中不可替代的一部分，并且将在未来更加广泛的影响全球的自动化程度。机器人产业已被世界公认为最重要、发展前景最广阔的高新技术产业之一，但不可否认的是，无论是在机器人还是人工智能领域都还存着许多问题等待着我们去探索。因此涌现出许多专家学者致力于“机器人实现对未知环境的感知和探索以及精准实现自身定位问题”的深入研究。

同时定位与建图(Simultaneous Localization and Mapping,SLAM)作为机器感知和导航领域主要的研究热点，深受研究者们的关注。目前SLAM技术已经应用于机器人导航、无人驾驶、虚拟现实和增强现实以及三维重建等领域。SLAM作为智能移动机器人的核心技术之一，在GPS失效的室内、水下以及隧道等场景中可以生成环境地图，机器人利用地图可以进行自主定位和导航。在无人驾驶领域，SLAM技术能够定位车道线，达到厘米级的定位精度，从而辅助GPS定位。SLAM技术能够使虚拟物体与现实场景保持几何上的一致性，使叠加的虚拟物体具有真实感，利用SLAM技术的地图构建功能，还可以获得物体和场景的三维模型。

在SLAM技术发展初期，主要是围绕激光雷达SLAM。但精度高的激光雷达价格昂贵，精度稍低的激光雷达存在较大误差，极大的影响SLAM系统的精度，因此没有被广泛应用。相比于激光雷达传感器，相机具有成本低、体积小、质量小等优点，且图像含有丰富的信息。随着硬件性能的提高和计算机视觉的发展，基于视觉传感器的视觉SLAM简称VSLAM(VisualSLAM)问世。因视觉传感器价格较低且包含丰富的纹理信息受到了研究者的广泛关注。尽管VSLAM技术在一般场景下能够取得不错的效果，但是在快速运动、视点变化引起的图像几何变化、光照变化剧烈甚至是无光的环境中表现很糟糕。为了提高SLAM系统运行的鲁棒性，研究者们开始将研究方向转移到多传感器融合SLAM，其中最具有代表性的便是视觉惯性SLAM。VISLAM是在视觉SLAM的基础上引入惯性测量单元，不仅可以弥补纯视觉导航系统的缺陷，而且可以提高特征点的匹配速度并增强算法的鲁棒性。

如今，虽然视觉SLAM的研究已在很多方向有了丰硕的成果，但是依然有许多问题需要优化解决，比如在动态场景、纹理缺失以及复杂环境等场景中，视觉SLAM很难长久稳定的运行。现有单目视觉研究主要存在如下不足：(1)在单目视觉中，由于需要对平移向量进行归一化处理，导致了单目视觉的尺度不确定性，单目初始化无法从单帧得到深度信息，此外单目初始化过程中仅有纯旋转的情况时，单目将无法初始化。(2)在局部建图线程，虽然降低了由于误匹配等原因造成的整体误差过大，但一些较大误差仍然会对结果造成不可预测的影响，无法突破性地提升精度。(3)在视觉SLAM前端中，不管是进行位姿估计还是建图，都是利用相邻帧之间的关系来完成的，这种依赖局部约束的算法，必将导致优化误差逐帧累积，最终产生一个较大的误差漂移。研究一个高鲁棒性并且高准确性的视觉SLAM系统不但对视觉机器人和计算机视觉等领域的科学研究具有重要价值，而且具有广阔的使用范围理论应用，因此对视觉SLAM技术作进一步的研究具有重要意义。

发明内容