一种基于sparse‑slam的实时建图方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107767450A(43)申请公布日2018.03.06(21)申请号201711045213.6G06K9/46(2006.01)(22)申请日2017.10.31(71)申请人南京维睛视空信息科技有限公司地址211100江苏省南京市江宁区麒麟启迪低碳智能产业园（启迪科技城华清园）5号楼4层(72)发明人潘铭星冯向文孙健杨佩星付俊国雷青(74)专利代理机构南京天翼专利代理有限责任公司32112代理人于忠洲(51)Int.Cl.G06T17/05(2011.01)G06T7/33(2017.01)G06K9/00(2006.01)权利要求书1页说明书3页附图1页(54)发明名称一种基于sparse-slam的实时建图方法(57)摘要本发明提供了一种基于sparse-slam的实时建图方法，包括如下两个并列运行的线程：线程1，跟踪并提取关键帧；线程2，创建并插入点云MAP。本发明的实时建图方法采用两个并列线程，能保证两个线程的实时性，既节省了时间，又尽可能的保留了图像的特征，在保证了算法高效实时的前提下，保留更多的场景信息。CN107767450ACN107767450A权利要求书1/1页1.一种基于sparse-slam的实时建图方法，其特征在于，包括如下两个并列运行的线程：线程1，跟踪并提取关键帧，具体步骤为：步骤1.1，对输入的初始帧构建N层的图像金字塔，并提取初始帧图像金字塔中的各个特征点，设置包含初始帧图像金字塔以及各个特征点的初始帧KF1；步骤1.2，对新输入的当前帧构建N层的图像金字塔，并提取当前帧图像金字塔中的各个特征点，再利用SSD算法在当前帧中跟踪初始帧KF1中的各个特征点，SSD算法公式为：2D＝∑((Iki-uk)-(Ici-uc))式中，Iki表示初始帧KF1中第i个特征点的像素值，Ici表示当前帧中第i个特征点的像素值，uk和uc分别表示初始帧KF1中第i个特征点周围图像块的像素均值以及当前帧中第i个特征点周围图像块的像素均值；步骤1.3，若步骤1.2中SSD算法跟踪成功跟踪到的特征点数量小于M，则返回步骤1.1重新设置初始帧KF1，若成功跟踪到的特征点数量大于M，则将当前帧标记为关键帧KF2；步骤1.4，根据各个成功跟踪到的特征点，利用相机对极几何模型估算出相机的姿态R和T，R表示关键帧KF2与初始帧KF1之间的旋转矩阵，T表示关键帧KF2与初始帧KF1之间的平移矩阵，将初始帧KF1和关键帧KF2加入到关键帧队列KFS中；步骤1.5，在点云MAP初始化成功后，将点云MAP映射到当前帧中，并在当前帧中利用SSD算法找出与其对应的二维点，从而利用相机对极几何模型估算出当前相机的姿态R和T，并将当前帧标记为KFi，加入到KFS中。线程2，创建并插入点云MAP，具体步骤为：步骤2.1，判断是否创建坐标系，若已创建，转到步骤2.2，否则创建坐标系，即根据关键帧队列KFS中的初始帧KF1建立世界坐标系W，X轴和Y轴方向为初始帧KF1的长和宽方向，Z轴方向为相机指向初始帧KF1的方向；步骤2.2，遍历关键帧队列KFS中每一个未三角化的KFi(2，3，4…)，利用对极几何原理将KFi中的二维特征点三角化为三维特征点，再将三维特征点加入到点云MAP中。2.根据权利要求1所述的基于sparse-slam的实时建图方法，其特征在于，利用相机对极几何模型估算出相机的姿态R和T的估算公式为：Pl＝R(Pr-T)TT(RPr).T×Pl＝0T式中，Pl和Pr为二幅图像中匹配上的特征点，R为R的转置，×为叉乘。3.根据权利要求1所述的基于sparse-slam的实时建图方法，其特征在于，对输入的初始帧构建N层的图像金字塔的具体步骤为：对每一层图像进行下采样得到上一层的图像，通过N次下采样便可得到N层的图像金字塔。4.根据权利要求1所述的基于sparse-slam的实时建图方法，其特征在于，提取初始帧图像金字塔中的各个特征点的具体步骤为：对每一层图像用FAST算法提取图像的角点，将角点作为特征点。2CN107767450A说明书1/3页一种基于sparse-slam的实时建图方法技术领域[0001]本发明涉及一种实时建图方法，尤其是一种基于sparse-slam的实时建图方法。背景技术[0002]SLAM技术随着最近几年机器人、VR、AR的火爆而为人所知，在传感器、算法、软件、硬件等方向都有不同的进展。SLAM(simultaneouslocalizationandmapping)分为两大功能，定位与建图。其主要解决了当设备(如机器人、VR设备等)来到一个完全陌生的环境时，它需要精准地建立时间和空间的对应关系，并能完美地回答以下一系列问题：我刚才在哪里