[发明专利]一种基于深度滤波器的视觉里程计地图更新方法和系统

说明书

本发明公开了一种基于深度滤波器的视觉里程计地图更新方法、系统、计算机可读存储介质和计算机设备，所述更新方法包括：根据获取的当前帧图像的第一特征点的深度信息特征值判断是否需要添加关键帧图像，若不需要添加则使用已有深度滤波器根据所述当前帧图像的第一特征点更新所述已有深度滤波器的种子；若需要添加则建立并初始化新的深度滤波器，确定关键帧图像并使用所述新的深度滤波器根据所述关键帧图像更新所述新的深度滤波器的种子；计算并更新所述种子的概率分布，当所述种子的深度估计收敛时加入所述地图以更新所述地图。本发明提供的实施例能够显著加快深度滤波器的收敛速度，有效提升视觉里程计地图更新的鲁棒性。

技术领域

本发明涉及视觉里程计技术领域，特别是涉及一种基于深度滤波器的视觉里程计地图更新方法、系统、计算机可读存储介质和计算机设备。

背景技术

目前，SLAM(Simultaneous localization and mapping，同时定位与地图构建)作为建立环境模型和估计自身运动的一项前沿技术，能够解决在没有环境先验的情况下，精确地定位位置、姿态和构建地图，是VR、AR以及无人驾驶等领域的重要组成部分。

当前的VR、AR产品大体上都需要能够对于自身的运动和位置进行评估，以匹配其渲染的场景内容，为用户提供良好的观看体验和交互感知。因此对于搭载传感器的相关产品进行精确的运动评估和场景模型计算对产品应用效果而言是非常重要的。视觉里程计(Visual Odometry)作为SLAM的核心模块之一，能够满足当前VR、AR产品对于定位的需求。但是目前的视觉里程计方法在深度估计时收敛速度较慢，往往在已获得大量信息后尚无法得到精确的深度估计，导致最终的定位结果抗干扰能力不强，鲁棒性不高。

发明内容

为了解决上述问题至少之一，本发明第一方面提供一种基于深度滤波器的视觉里程计地图更新方法，包括：

根据获取的当前帧图像的第一特征点的深度信息特征值判断是否需要添加关键帧图像，

若不需要添加，则使用已有深度滤波器根据所述当前帧图像的第一特征点更新所述已有深度滤波器的种子；

若需要添加，则建立并初始化新的深度滤波器，从所述当前帧图像中提取第二特征点作为所述新的深度滤波器的种子，确定关键帧图像并使用所述新的深度滤波器根据所述关键帧图像更新所述新的深度滤波器的种子；

计算并更新所述种子的概率分布，当所述种子的深度估计收敛时加入所述地图以更新所述地图。

进一步的，所述方法还包括

实时获取并存储帧图像；

提取当前帧图像的多个第一特征点、计算各第一特征点的深度信息并确定所有第一特征点深度信息的深度信息特征值。

进一步的，所述根据获取的当前帧图像的第一特征点的深度信息特征值判断是否需要添加关键帧图像进一步包括：

将所述深度信息特征值与预设置的特征值阈值进行比对，若所述深度信息特征值大于特征值阈值，则需要添加关键帧图像。

进一步的，所述若需要添加，则建立并初始化新的深度滤波器，从所述当前帧图像中提取第二特征点作为所述新的深度滤波器的种子，确定关键帧图像并使用所述新的深度滤波器根据所述关键帧图像更新所述新的深度滤波器的种子进一步包括：

建立并初始化新的深度滤波器，从所述当前帧图像中提取第二特征点作为所述新的深度滤波器的种子；

从所述存储的帧图像中根据时间选取出预设数量的帧图像作为关键帧图像；

使用所述新的深度滤波器根据所述预设数量的关键帧图像更新所述新的深度滤波器中种子的深度信息。

进一步的，所述从所述存储的帧图像中根据时间选取出预设数量的帧图像作为关键帧图像进一步包括：