[发明专利]基于稀疏SLAM框架的低纹理平面场景重建方法

权利要求书

1.基于稀疏SLAM框架的低纹理平面场景重建方法，其特征在于：包括以下步骤：

步骤一：通过相机读取图像数据每一帧的RGB图像与深度图像；

步骤二：对于获取的每一帧图像，进行下述处理：

A、在稀疏SLAM的框架下，通过像素之间的灰度差异获取图像中的特征点；

B、提取图像中获取不到足够特征点的平面区域，作为平面路标；

获取平面区域的方法为：

a、估计图像中每个点的法向量；

假设图像中的一点p，计算其左右相邻点的向量v_p,h以及上下相邻点的向量v_p,v；由此可以通过向量计算得到两个向量交点p的法向量n_p：

n_p＝v_p,h×v_p,v

b、根据步骤a中得到的每个点的法向量在相机坐标系下对于图像中的每个点p增加向量信息，表示为：

p＝{x,y,z,n_x,n_y,n_z}

其中，(x,y,z)是点p在相机坐标系下的坐标，(n_x,n_y,n_z)是点p的法向量；

同时通过点乘给点p增加距离信息n_d：

n_d＝{x,y,z}·{n_x,n_y,n_z}

由此，得到完整的具有几何信息的点p，可表示为：

p＝{x,y,z,n_x,n_y,n_z,n_d}

针对图像上的任意两个点p₁,p₂，计算两个距离，分别是法线之间的角度差异dist_normal(p₁,p₂)与两点之间的距离差异dist_range(p₁,p₂)：

dist_normal(p₁,p₂)＝n_p1·n_p2

dist_range(p₁,p₂)＝|n_d1-n_d2|

若上述两个距离同时小于各自对应的设定距离阈值thresh_normal与thresh_range，则两个点在同一平面，由此将图像中的平面区域分割出来；

步骤三：将特征点在世界坐标系下的坐标作为地图点，进行局部的建图；

步骤四：对局部地图进行捆集调整优化与回环检测局部地图；

步骤五：将特征点与平面都作为路标，进行回环检测，并进行全局的捆集调整来优化相机位姿与轨迹。

2.如权利要求1所述基于稀疏SLAM框架的低纹理平面场景重建方法，其特征在于：步骤二中特征点获取方法为：首先，对每一帧图像，提取图像中的ORB特征点，之后利用FLANN算法对每两帧图像提取得到的特征点进行匹配，得到ORB特征点对。

3.如权利要求1所述基于稀疏SLAM框架的低纹理平面场景重建方法，其特征在于：步骤四中对局部地图进行捆集调整优化，具体方式为：

在相机获得的每一帧图像中获取指定步长的关键帧，对关键帧，利用局部捆集调整对局部地图进行优化，剔除多余的关键帧。

4.如权利要求3所述基于稀疏SLAM框架的低纹理平面场景重建方法，其特征在于：步骤三中将平面路标放到局部地图中，通过图优化方法实现局部地图优化，具体为：

令x₀,...,x_t为六自由度的相机位姿，π₀,…,π_n为平面路标，c₀,…,c_t为相机对平面的观测，u₁,…,u_t为根据前端视觉里程计估计得到的相机运动；

采用矩阵[a b c d]^T表示平面路标，其中，平面法向量n_p＝[a b c]^T；a，b，c与n_p＝(n_x,n_y,n_z)有对应关系a＝n_x，b＝n_y，c＝n_z，d表示平面到相机坐标系原点的距离；对于平面π_i上的点p_i，满足

π_i^Tp_i＝0

由相机坐标系与世界坐标系的关系，有

其中，表示由相机坐标系到世界坐标系的变换矩阵；p_ω是点p_i在世界坐标系下的坐标，π_ω是平面在世界坐标系下的坐标；p_c是点p_i在相机坐标系下的坐标，π_c是平面在相机坐标系下的坐标；

用一个单位四元数q实现平面的最少参数表示，利用李代数解决优化中的最小二乘问题；

q＝(q₁,q₂,q₃,q₄)^T∈R⁴，‖q‖＝1

q₁、q₂、q₃、q₄为单位四元数；q₁为单位四元数的实部，q₂、q₃、q₄为单位四元数的虚部。