[发明专利]一种视觉闭环检测方法

说明书

本发明公开了一种视觉闭环检测方法，所述方法包括：S1，使用激光传感器采集场景图像并进行预处理；S2，提取场景的几何结构特征；S3，提取场景的视觉特征；S4，用数据降维方法融合几何结构特征和视觉特征；S5，使用融合特征进行闭环检测。本发明的基于多特征融合的闭环检测系统及方法通过场景外观的视觉特征与几何结构特征融合，获得了健壮的场景特征表示，并利用特征匹配的几何空间约束减少场景匹配中的“感知混淆”，减少误检率，因此本发明方案具有良好的可拓展性和健壮性。

技术领域

本发明涉及闭环检测技术，具体涉及视觉闭环检测方法。

背景技术

随着各项性能的提高，服务机器人可以在人们日常生活中完成越来越多的任务，比如打扫卫生、移动物体等等。为了使任务完成得更加流畅，机器人必须对周围的环境进行更详细和准确的感知和认识。

地图表示是机器人定位与建图的基础，即采用场景中的某些特殊的点、线、面或场景图像里的一些视觉特征表征机器人的位姿，通过对该类特征进行匹配比较，即可推测机器人当前的位姿。

闭环检测对于提高机器人地图表示算法的稳定性有着极其重要的作用，闭环检测的基本定义是机器人在探索过程中不停的检测是否回到了一个过去已经访问过的位置。这种检测方法可以提高机器人实际的位置估计精度，确认之前是否通过这一区域同样也涉及到全局定位问题，甚至对解决机器人绑架问题都十分有益。

主流的闭环检测方法依赖于视觉特征，即通过摄像头采集室内环境中物体和背景的视觉特征，通过视觉特征匹配，进行闭环检测。然而室内环境中大量重复出现的视觉场景如门窗等会导致视觉特征匹配的“感知混淆”现象。此外，基于视觉特征的方法并不能充分利用室内环境中几何场景的结构化、半结构化特征。

发明内容

本发明目的在于克服现有技术的不足，尤其解决室内环境中大量重复出现的视觉场景如门窗会导致视觉特征匹配的“感知混淆”现象的问题，以及基于视觉特征的方法并不能充分利用室内环境中几何场景的结构化、半结构化特征的问题。

为解决上述技术问题，本发明提供一种视觉闭环检测方法，所述方法包括：S1，使用激光传感器采集场景图像并进行预处理；S2，提取场景的几何结构特征；S3，提取场景的视觉特征；S4，用数据降维方法融合几何结构特征和视觉特征；S5，使用融合特征进行闭环检测。

该发明方案的有益效果在于，通过场景外观的视觉特征与几何结构特征融合，获得了健壮的场景特征表示，并利用特征匹配的几何空间约束减少场景匹配中的“感知混淆”，减少误检率，因此本发明方案具有良好的可拓展性和健壮性。

附图说明

图1是本发明的实施例的视觉闭环检测方法的流程图。

具体实施方式

下面结合附图及具体实施例对本发明进行更加详细与完整的说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。

图1是本发明的实施例的视觉闭环检测方法包括：S1、使用激光传感器采集场景图像并进行预处理；S2、提取场景的几何结构特征；S3、提取场景的视觉特征；S4、用数据降维方法融合几何结构特征和视觉特征；S5、使用融合特征进行闭环检测。

此外，所述S2提取场景的几何特征操作可使用方向梯度直方图(HOG特征)、不变矩特征或其他合适的几何结构特征表示方法。HOG特征是通过计算和统计图像局部区域的梯度方向直方图来构成特征，用于描述物体的边缘；不变矩特征使用对变换不敏感的基于区域的几个矩作为形状特征，表达了图像区域的几何特征，具有旋转、平移、尺度等特性的不变特征。下面采用不变矩特征对本实施例进行说明。