[发明专利]基于ORBSLAM的智能巡防巡检管理方法

说明书

技术领域

本发明涉及一种固定区域的巡防巡检管理技术，特别是开发了一种基于ORB SLAM算法的视觉定位技术的巡防巡检管理系统。

背景技术

在当前存在的巡防巡检人员管理技术中，主要是通过手持GPS巡检设备，按任务进行定点的巡逻。手持巡检仪接收GPS信号，同时按照应用程序编发巡检记录，通过GSM网络发送信息，上位机终端接收GPS巡检设备发送的信息，通过电缆与服务器相连接，将巡检信息发送到服务器端，服务器端再通过internet与计算机相连，在计算机上安装显示软件，将巡防的路径信息进行显示。

现有的路径定位技术大多基于GPS设备，对GPS的信号和GSM网络的依赖比较大，在现实环境当中，特别是一些GPS信号容易被遮挡的高楼大厦区域，或者一些室内区域，很难获得准确的定位，使得巡检人员的路径信息出现很大的偏差。

发明内容

本发明的目的是为克服上述现有技术的不足，设计一种基于ORB SLAM的智能巡防巡检管理方法，通过ORB SLAM的算法提取当前巡防巡检线路的一些视觉特征点信息，将基于关键帧的特征点的点云等信息存储成地图文件，巡防巡检人员在巡逻过程中可以通过手机摄像头实时采集图像并利用计算机视觉算法提取当前环境的图像特征点与地图信息的特征点进行追踪匹配以获得当前相机的位姿信息，从而实现当前的巡防巡检位置的定位。

本发明的技术方案为提供一种基于ORB SLAM的智能巡防巡检管理方法，所述方法以移动设备终端上的图像采集装置作为单目SLAM的图像采集点，采用ORB算法建立巡防巡检地图；再采用移动设备终端上的图像采集装置进行巡防巡检，最终形成巡防巡检日志。

所述方法具体包括：

步骤一，采用移动设备终端上的图像采集装置作为单目SLAM的图像采集点，进行地图初始化，形成局部地图，估计摄像机姿态并校准初始的三维点云；

步骤二，采用运动模型、关键帧模型或者重定位模型跟踪初始地图，对摄像机姿态进行优化以及重新确定三维点云；

步骤三，跟踪成功以后，更新运动模型，更新当前关键帧与其它关键帧之间的特征点匹配关系，并利用三角法生成新的三维点云；

步骤四，利用优化方法在局部和全局调整位姿，或者利用闭环检测loop closure来优化位姿；

步骤五，再采用移动设备终端上的图像采集装置进行巡防巡检，最终形成巡防巡检日志；将巡防巡检过程中的实时定位与轨迹信息的保存与上传。

所述步骤二中的运动模型、关键帧模型或者重定位模型、关键帧模型或者重定位模型具体为：

运动模型为：提取当前帧的ORB特征，根据上一帧进行姿态估计，或者进行通过全局重定位初始化位姿，跟踪已经建立的局部地图，优化位姿，确定关键帧；

关键帧模型为：首先，计算当前帧的bag of words BoW，并设定初始位姿为上一帧的位姿；其次，根据位姿和BoW词典来寻找特征匹配；最后，利用匹配的特征优化位姿；

验证最近生成的地图点并进行筛选，然后使用局部捆集调整Local BA，生成新的地图点，最后再对插入的关键帧进行筛选，去除多余的关键帧；

如果运动模型与关键帧模型跟踪失败，则对全局进行重定位；具体做法为：

首先，计算当前帧的BoW向量，其次，利用BoW词典选取若干关键帧作为备选；再次，寻找有足够多的特征点匹配的关键帧；最后，利用特征点匹配迭代求解位姿，如果存在某一关键帧有足够多的内点，那么选取该关键帧优化出的位姿。

所述的优化方法为：

所述巡防巡检日志包括包含关键帧、3D地图点、BoW向量、共视图、生长树信息。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

本发明实现的智能巡防巡检管理技术使用计算机视觉算法可以实现的定位精度达到1m以下，远高于民用GPS的定位精度，对于GPS覆盖信号较弱的区域有很好的效果，同时也仅使用普通的安卓系统手机作为终端平台，极大的降低了在实际商业化场景的应用。

附图说明

图1为本发明基于ORB SLAM的智能巡防巡检管理方法的实施流程图；

图2为本发明基于ORB SLAM的智能巡防巡检管理结构图。

具体实施方式

本发明提供一种基于ORB SLAM的智能巡防巡检管理方法，为使本发明的目的、技术方案及效果更加清楚、明确，以及参照附图并举实例对本发明进一步详细说明。应当指出此处所描述的具体实施仅用以解释本发明，并不用于限定本发明。