[发明专利]一种基于ST-ORB特征提取的视觉SLAM方法

权利要求书

1.一种基于ST-ORB特征提取的视觉SLAM方法，其特征在于，先通过图像金字塔构造多尺度空间，再采用Shi-Tomasi算法对灰度图像进行角点检测，以提高特征点质量；然后用四叉树算法对特征点进行均匀化处理，并采用二进制描述子BRIEF对特征点进行标记，以便前后帧图像的特征匹配；最后将该算法应用于ORB-SLAM2系统对移动的物体进行位姿估计。

2.根据权利要求1所述的一种基于ST-ORB特征提取的视觉SLAM方法，其特征在于，具体包括以下步骤：

1)为了保持图像特征的尺度不变性，设置图像金字塔层数，采用高斯图像金字塔对每一帧图像进行降采样，构造多尺度空间，以在特征匹配环节提高特征点匹配的正确率；

2)采用Shi-Tomasi算法对每一层级图像的特征点进行提取；

3)通过四叉树算法对特征点进行均匀化处理；

4)采用BRIEF描述算子对特征点进行特征描述；

5)根据二进制描述子BRIEF对前后两帧图像进行特征匹配，筛选关键帧，并生成地图点；

6)将上述算法应用到ORB-SLAM2系统中，实现视觉SLAM的位姿估计。

3.根据权利要求2所述的一种基于ST-ORB特征提取的视觉SLAM方法，其特征在于，所述Shi-Tomasi算法根据滑动窗口中像素点的灰度变化趋势来进行角点判断；具体为：

将一个窗口置于图像之上，对其进行移动；设图像灰度值I(x,y)在点(x,y)处以(u,v)的偏移量移动后，产生的灰度差值E(u,v)为：

式中，S是移动窗口区域，h(x,y)是高斯加权函数；使用泰勒公式对I(x+u,y+v)进行近似，得到：

将式(2)代入式(1)中可得：

设M矩阵为：

经过简化后，灰度差表示为：

式(5)中，M矩阵是关于x和y的二阶函数，根据其特征值的不同，将像素点分为角点、直线和平面三种情况；若该点是角点，则由于其移动的窗口朝向任意方向移动都会导致窗口内灰度产生较大的变化，此时，M矩阵的两个特征值都较大；

通常采用一个角点响应值R来判断Shi-Tomasi算法中检测的角点质量；

R＝min(λ₁，λ₂)    (6)

当R大于设定的阈值时，则判断该像素点为一个角点。