[发明专利]一种基于YOLO算法及GMS特征匹配的动态场景SLAM方法

权利要求书

1.一种基于YOLO算法及GMS特征匹配的动态场景SLAM方法，其特征在于，包括下述步骤：

步骤一，通过视觉传感器读取第一帧RGB图像，对图像进行ORB特征点提取并计算特征点数量，如果特征点数量大于阈值则把图像作为参考帧，系统初始化；如果特征点数量小于阈值则读取下一帧RGB图片，提取ORB特征点，直到特征点数量大于阈值进行系统初始化；

步骤二，读取下一帧的RGB图像作为当前帧，对当前帧使用YOLO算法进行移动物体检测，并将场景中的物体框选出来；

步骤三，YOLO算法检测结果的目标框内除了目标物体之外还包含有其他物体的像素点，为了充分利用图像的像素信息，通过FCN和segnet算法对场景进行语义分割，从而得到图像的动态像素和静态像素；

步骤四，对步骤三中的静态像素和参考帧进行特征点匹配，对得到的特征匹配点通过网格运动统计(GMS)算法剔除错误匹配；网格运动统计(GMS)算法基于运动的平滑性提出一种假设：第一帧图像上的一个特征点p1在第二帧图像上的匹配点为p2，若该匹配为正确匹配，则以p1为中心的3*3网格中的特征点的匹配点都大概率地落在第二帧图像以p2为中心的3*3网格中；基于该假设通过对两帧图像进行网格划分并对对应网格区域内的匹配点数进行评分，评分的定义如下：

其中|X_ikjk|代表对应的网格对上的匹配的特征点数；

由于运动连续性好的图像之间的特征匹配点数会比连续性差的图像之间的特征匹配点数多，因此相应的评分也会高，故设置了一个自适应阈值t来保证在不同场景下的通用性，若匹配点数大于阈值t，则认为该匹配对为正确匹配对，反之为错误匹配对，其中T的计算公式如下：

其中，n为每个网格中的特征点的平均个数；

步骤五，计算步骤四中匹配处理过的特征点的三维坐标，开启ORB-SLAM的跟踪线程对其进行跟踪；

步骤六，利用光束平差法(BA)进行最小化重投影误差，优化局部地图；

步骤七，利用回环检测来优化位姿，更正漂移误差。