[发明专利]基于稀疏SLAM框架的低纹理平面场景重建方法

说明书

本发明公开一种基于稀疏SLAM框架的低纹理平面场景重建方法，包括以下步骤：1、通过RGB‑D相机Kinect读取图像数据每一帧的RGB图像与深度图像。2、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；3、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；4、对局部地图进行捆集调整优化与回环检测局部地图；5、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。本发明既可解决低纹理区域重建的质量问题，又提高了稀疏特征点SLAM系统的鲁棒性。

技术领域

本发明涉及计算机视觉、数字图像处理和同时定位与建图领域，特别是涉及一种基于稀疏SLAM框架的低纹理平面场景重建方法。

背景技术

在计算机图形学领域，三维重建指利用摄像机拍摄得到的二维图像中的深度、纹理等信息恢复出三维空间中物体的形状与位置信息。基于视觉图像的三维重建具有成本低廉、自动化程度高的特点。

基于视觉的三维重建根据分类方法的不同有很多种类。近年来，无论是基于RGB-D图像还是其他单目相机的三维重建，SLAM框架都得到了广泛的运用。同时定位与建图(Simultaneous Localization and Mapping，SLAM)问题是让定位和重建同时进行，相较于传统的三维重建将定位与建模分割开来的方法，具有较好的实时性，能够满足更高层次的任务需求，因此目前多数的三维重建的方法与SLAM的研究紧密得结合在一起。

基于稀疏特征点的SLAM方法是研究者们研究的方向之一，其通过提取图像中的特征点进行立体匹配，对于纹理复杂，图像灰度差异大的场景，这些方法可以取得不错的效果。然而，现实场景中存在着大量的低纹理平面区域，如室内场景中的墙壁、桌面等物体。这些图像的灰度变化较为平缓，邻近区域的灰度相似度比较大，会导致提取不到充足的特征点来计算相机的运动。同时，每一个像素本身具有很大的歧义性，并且可区分性差，而像素间相似度的差异是进行特征点匹配过程中的很重要的约束条件，如果相似度差异小会产生比较多的错误匹配，影响重建的精度。通常用比较大的邻域像素信息来约束该像素，但是采用较大的邻域信息容易使重要的特征信息变的模糊，并且导致错误的视差计算。更为严重的会造成算法跟踪失败，影响SLAM系统的鲁棒性。

发明内容

为了解决基于稀疏特征点的SLAM系统在面对低纹理平面区域，如墙壁、柜子等，重建效果差，跟踪容易丢失，算法的鲁棒性不够强的问题，提出了一种将平面检测融合到基于特征点的SLAM系统中的重建方法，可以使得该类SLAM系统应用到更多的生活场景中去。

本发明基于稀疏SLAM框架的低纹理平面场景重建方法，包括以下步骤：

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。

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。

本发明的优点在于：