[发明专利]一种通过改进ORB-SLAM算法实现定位与构图的方法和系统

说明书

本发明公开了一种通过改进ORB‑SLAM算法实现定位与构图的方法，包括：使用机器人携带的深度视觉传感器采集数据集中的连续两幅图像，以分别得到每一幅图像的彩色图像与深度图像，使用显著性区域检测算法对得到的彩色图像进行感兴趣区域初步提取，使用阈值分割法对提取到的感兴趣区域进行优化，以得到优化后的图像，在离散化尺度空间下使用ORB算法对得到的优化后的两幅图像进行特征提取，以得到两幅图像的特征描述子，对得到的两幅图像的特征描述子进行特征匹配，以生成两幅图像特征匹配的结果，使用得到的两幅图像特征匹配的结果获得变换矩阵。本发明能够解决现有ORB‑SLAM算法存在容易产生误差导致无法进行特征匹配、以及应用范围偏小的技术问题。

技术领域

本发明属于机器视觉与机器学习技术领域，更具体地，涉及一种通过改进ORB-SLAM算法实现定位与构图的方法和系统。

背景技术

具有方向的FAST和旋转BRIEF(Oriented FAST and Rotated BRIEF，简称ORB)特征因其提取速度快，还易于匹配和比较等优点受到研究人员的重视。在2015年，Mur-ArtalR等人将ORB引入到即时定位与地图构建(simulation location and mapping，简称SLAM)算法中，提出了使用ORB特征进行定位跟踪和环境建图来实现SLAM系统(即ORB-SLAM系统)，该系统已经成为现代SLAM系统中比较易用和完善的系统之一。

然而，传统的ORB-SLAM系统还存在一些不足和问题：首先，整个ORB-SLAM系统都围绕着ORB特征点进行处理，需要对获取的每帧图像都提取ORB特征，这将会消耗大量的运算时间；其次，该系统中的特征检测只能在原始尺寸的图像内进行，当场景发生大尺度变化或者视角变化时，就会产生误差，甚至无法进行特征匹配；最后，该ORB-SLAM系统构建出的环境地图会十分的稀疏，只能在一定程度上达到定位的需求，而无法在导航、避障、交互等其他实际应用中使用。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种通过改进ORB-SLAM算法实现定位与构图的方法和系统，其目的在于，解决现有ORB-SLAM算法存在的消耗大量运算时间、容易产生误差导致无法进行特征匹配、以及应用范围偏小的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种通过改进ORB-SLAM算法实现定位与构图的方法，包括以下步骤：

(1)使用机器人携带的深度视觉传感器采集数据集中的连续两幅图像，以分别得到每一幅图像的彩色图像与深度图像，使用显著性区域检测算法对得到的彩色图像进行感兴趣区域初步提取，使用阈值分割法对提取到的感兴趣区域进行优化，以得到优化后的图像；

(2)在离散化尺度空间下使用ORB算法对步骤(1)得到的优化后的两幅图像进行特征提取，以得到两幅图像的特征描述子；

(3)对步骤(2)中得到的两幅图像的特征描述子进行特征匹配，以生成两幅图像特征匹配的结果；

(4)使用步骤(3)得到的两幅图像特征匹配的结果获得变换矩阵，并将该变换矩阵作为算法迭代初值输入到迭代最近点(Iterative Closest Point，简称ICP)算法中，以得到运动估计结果。

(5)对步骤(2)中得到的两幅图像的特征描述子进行特征单词化处理，基于处理后得到的单词构建视觉词典，并利用视觉词典中的单词对每一幅图像进行场景描述；

(6)对场景描述后的图像与视觉词典中出现过的每幅图像分别进行预匹配处理，对所有预匹配处理的结果进行相似度计算，根据相似度计算结果确定多个候选闭环，基于时间连续性从多个候选闭环中确定最终的闭环，用于对步骤(4)得到的运动估计结果进行优化；

(7)使用非线性最小二乘法对步骤(6)优化后的运动估计结果进行位姿图优化，以得到全局最优的机器人位姿和全局一致的运动轨迹，并利用栅格地图法对该运动轨迹进行建图。