[发明专利]一种应用深度数据分布约束的运动估计方法

权利要求书

1.一种应用深度数据分布约束的运动估计方法，其特征在于：包括以下步骤：

步骤一：RGB-D相机采集相邻时间的两帧图像，并分别对近距离和远距离提取图像中的特征点及其描述子；

步骤二：在通过特征提取算法得到图像特征点及其描述子之后，通过匹配来确定两幅图中共同视觉特征的对应关系；

步骤三：通过计算两个描述子间的距离来度量其相似性；

步骤四：使用FlannBasedMatcher利用快速近似最近邻搜索算法查找，找到一个相对优秀的最近邻近似匹配；

步骤五：采用随机采样一致性算法分别对近距离和远距离特征点和特征点描述子的错误匹配对进行剔除，从匹配对中随机的选取 3 个匹配对，使用选取的 3 个匹配对计算图像间的基础矩阵，然后利用基础矩阵计算图一中每个特征点在图二中的极线，然后计算图二对应特征点到对应极线的距离，距离小于给定阈值的匹配被认定为合格，否则判定为错误的匹配；对以上过程重复迭代一定次数，选取合格数量最多的那次迭代作为最终的匹配效果，并基于此次迭代的所有合格特征点重新计算基础矩阵；

步骤六：通过特征提取和匹配环节，两帧图像间相同特征点的一一对应关系得以确立，利用两个图像对应特征点的深度信息生成两个对应的三维点集，然后对点集进行配准，首先从匹配点集中随机选取 3 个匹配对，利用 ICP算法估计这三个匹配对的变换 T，然后来统计内点数量，重复随机取点到内点统计的过程，迭代 N 次后采用内点数量最多的 T 作为运动变换估计；

步骤七：使用结合随机采样一致性算法的 ICP 算法对两个三维点集进行配准，估计机器人的运动。

2.根据权利要求1所述的一种应用深度数据分布约束的运动估计方法，其特征在于：所述步骤二中特征提取算法为ORB、 SIFT或SURF算法其中的任意一种。

3.根据权利要求1所述的一种应用深度数据分布约束的运动估计方法，其特征在于：所述步骤三中计算两个描述子间的距离采用的方法为欧氏距离，马氏距离，汉明距离以及海宁格距离其中的一种或多种。

4.根据权利要求1所述的一种应用深度数据分布约束的运动估计方法，其特征在于：所述步骤五中随机采样一致性算法的基本算法为给定一个包含噪声的样本点集 O 和样本集包含的函数模型 M 的形式，随机采样一致性算法随机地从样本点集 O 中选取计算函数模型 M 最少所需的 N 个点，利用选取的点计算模型 M 的参数，然后通过计算得到的函数模型 M 来判定样本点集中的每个点是否为内点，统计内点的数量，不断地重复以上的随机取点到统计内点的过程，迭代一定次数以后，取内点数最多的那次迭代所计算的函数模型 M作为样本点集 O 可信赖的描述模型，其内点为合格点。

5.根据权利要求1所述的一种应用深度数据分布约束的运动估计方法，其特征在于：所述步骤六中3个匹配对先要检验三个点对是否满足 ICP 算法的基本条件，如果不符合则重新选取匹配对。