[发明专利]一种提高VSLAM系统精度的方法

说明书

本发明公开了一种提高VSLAM系统精度的方法，在环境探索过程中采集关键帧图像时，区别于已有的静态选择方法，采用动态方式选择关键帧，通过对VSLAM运行过程中的图像信息关联强度进行查询，根据该强度调节关键帧插入条件的阈值，得以动态调整关键帧插入要求的严格程度；在当前视觉跟踪强度低于动态阈值时，插入新的关键帧，以维持视觉跟踪的数据关联强度，保证整体跟踪轨迹的精度。

技术领域

本发明涉及机器人视觉的技术领域，尤其涉及到一种提高VSLAM系统精度的方法。

背景技术

使用单目视觉传感器进行环境建模，是一个低成本的、具有巨大应用前景的计算机视觉应用领域。一般而言，在机器人领域常将其归类为VSLAM(Visual SimultaneousLocalization and Mappinp)问题。该技术领域的系统实现，通常通过采集环境探索过程中的关键帧(keyframe)图像，利用关键帧图像间的数据关联以及多视几何关系，从而实现图像信息的三维重构。

然而，在VSLAM问题的传统的的关键帧选择环节中，均采用静态选择策略，静态选择策略不利于提高所选择关键帧的有效性，从而降低VSLAM系统的精度以及鲁棒性。

发明内容

本发明的目的在于克服现有技术的不足，提出一种能提高VSLAM系统精度的方法。

为实现上述目的，本发明所提供的技术方案为：

一种提高VSLAM系统精度的方法，在环境探索过程中采集关键帧图像时，采用动态方式选择关键帧；在当前视觉跟踪强度低于动态阈值时，插入新的关键帧，以维持视觉跟踪的数据关联强度，保证整体跟踪轨迹的精度。

进一步地，通过获取到的当前视觉跟踪强度来计算关键帧选择动态阈值，从而达到动态选择关键帧的目的。

进一步地，通过获取到的当前视觉跟踪强度来计算关键帧选择动态阈值的步骤如下：

S1：获取当前视觉跟踪强度；

S2：给定理想跟踪强度与控制器参数；

S3：将获取当前视觉跟踪强度送入控制器进行运算；

S4：得到关键帧选择动态阈值。

进一步地，所述控制器为比例微分控制器，步骤S3将获取当前视觉跟踪强度送入比例微分控制器进行运算，根据视觉跟踪强弱，实时地调整关键帧选择阈值。

进一步地，所述步骤S3将获取当前视觉跟踪强度送入比例微分控制器进行运算的具体为：

将当前视觉跟踪强度与理想跟踪强度之差作为比例微分控制器的输入，比例微分控制器的输出作为关键帧选择的动态阈值，运算过程如下：

将在t时刻的关键帧选择动态阈值表示为T_t，目标理想跟踪强度表示为d^ideal，在时刻t的跟踪强度为d_t，动态阈值表达为：

其中，k_P以及k_D为比例微分控制器的控制器参数，e_t为t时刻误差，且e_t＝d_t-d^ideal；另外，d^ideal为人为给定的值，该值小于等于一帧图像中提取到的图像特征总数量。

上述方案中，将VSLAM运行过程中，当前图像与已有图像可建立的信息关联强度，简称为视觉跟踪强度。

与现有技术相比，本方案原理和优点如下：