[发明专利]一种基于多关键帧的全景惯导SLAM方法

说明书

本发明公开了一种基于多关键帧的全景惯导SLAM方法，该方法包括：构建多目全景视觉模型，结合惯导单元紧耦合融合视觉特征，通过多关键帧视觉惯导非线性优化，实现高精度定位与场景地图，用于解决现有技术中环境感知方法获取信息的不充分、快速旋转的不确定性，能够解决现有视觉SLAM方法视野受限、光照影响和视觉退化等问题，为强光线/弱纹理/运动模糊等复杂环境中的机器人环境建模和定位导航提供有效的自动化方法，提高方法的精确性和鲁棒性，从而保证机器人自主导航的充分性，同时兼顾计算效率，可以实现视觉SLAM方法验证系统实时性。

技术领域

本发明属于计算机视觉检测领域，涉及一种视觉感知的SLAM方法，尤其涉及一种基于多关键帧的全景惯导SLAM方法。

背景技术

SLAM是实现移动平台自主性的关键，近年来在多领域呈现出较大的应用价值，尤其是导航机器人、虚拟现实等。同步定位与地图构建方法(Simultaneous LocalizationandMapping,SLAM)指移动平台在位姿未知情况下，利用本体或外置传感器，感知并构建一致的环境地图，同时确定自身相对位姿的方法。较于激光SLAM，视觉SLAM能够获取非结构化空间信息，提供语义标注场景，在复杂环境应用意义更大。为此，实现视觉SLAM的鲁棒性和精确性，需要一种通用、实时的视觉SLAM方法。

SLAM方法的数学建模过程影响着系统性能，也决定了不同的处理方法。早期研究中，基于滤波器的求解方式成为主流，但线性化假设增加了资源消耗，也不适应于动态环境。而非线性优化方法，计算复杂程度较高，长期制约着SLAM研究。之后，稀疏性概念的提出，基于图优化的视觉SLAM优化方法加速了该领域的发展，也是现今视觉SLAM的主要方向。

目前，传统视觉方法基于RGBD相机获取深度数据，然后转换成二维激光数据，并没有充分利用视觉信息，也不是真正意义上的视觉SLAM方法框架，如申请号为201710835285.4的专利《一种基于Kinect的室内移动机器人视觉SLAM方法》；大多数学者也在研究单目SLAM，而此方法仅采用单相机，视野有限，并对场景特征不能直接进行距离估算，如申请号为201710658521.X的专利《基于半直接法和滑动窗口优化的单目视觉SLAM算法》；文献《ORB-SLAM:a versatile and accurate monocular SLAM system》提出一种基于关键帧的多线程视觉SLAM方法，采用ORB特征稳定较高并兼顾实时性，但光照敏感，在快速旋转等极端情况易丢失。上述专利和文献均未解决视野受限问题，不能适用于弱纹理环境，同时在视觉退化(运动模糊、大场景)时，尺度估计影响较大，导致视觉SLAM方法无法正常使用。

因此，如何提供一种稳定可靠的视觉SLAM方法，以解决现有技术中环境感知方法获取信息的不充分、快速旋转的不确定性，保证视觉SLAM方法的精度和稳定性，实已成为本领域亟待解决的技术问题。

发明内容

鉴于以上所述现有技术的特点，本发明的目的是提供一种基于多关键帧的全景惯导SLAM方法，构建多目全景视觉模型，结合惯导单元紧耦合融合视觉特征，通过多关键帧视觉惯导非线性优化，实现高精度定位与场景地图，用于解决现有技术中环境感知方法获取信息的不充分、快速旋转的不确定性，为强光线/弱纹理/运动模糊等复杂环境中的机器人环境建模和定位导航提供有效的自动化方法。

为实现上述目的及其他相关目的，本发明提供一种基于多关键帧的全景惯导SLAM方法，包括如下步骤：

步骤S1、构建多目全景模型，融合惯性单元运动信息，进行全景惯导信息采集与特征提取；针对各帧全景惯导视觉信息，采用AGAST角点改进ORB特征提取，并结合基于任务的BRIEF在线学习算法表述描述子，适应于畸变图像，尤其是全景图像；

步骤S2、利用多关键帧全景惯导信息SLAM初始化，提供视觉补偿参数；所述视觉补偿参数包括尺度、重力方向、速度、陀螺仪偏差、加速度计偏差等；