[发明专利]一种同步定位和地图构建中物体的快速识别方法

说明书

一种同步定位和地图构建中物体的快速识别方法，包括物体的初始化识别并将物体特征和物体位置储存到数据库；再次扫描物体所在位置时快速对比物体图像特征点是否发生变动，若变动较小则认为物体仍然处于原位置，不进行识别，若变动大于阈值则认为物体发生移动，并根据扫描到的图像特征点变动较大处切割出子图，对其余部分进行重新识别。

技术领域

本发明涉及计算机视觉中的同步定位和地图构建和物体识别领域，特别是一种同步定位和地图构建过程中物体快速识别和移动监测的方法。

背景技术

计算机视觉中的同步定位和地图构建(简称SLAM)可以为我们在增强现实技术中提供对环境的感知，包括摄像头的定位信息和环境地图的点云信息。然而在增强现实中，还需要获得环境中物体的语义信息，这就要求SLAM与能提供语义信息的深度神经网络相结合。但是效果越好的深度神经网络，所要求的的计算资源和计算延迟也就越高，因此需要一种方法在尽量获取深度神经网络提供的语义信息同时，减少深度神经网络的调用次数和计算延迟。

发明内容

本发明要克服现有技术的上述问题，提出一种使用SLAM中的特征点匹配过程加速物体识别和神经网络推理速度的方法。

本发明的一种同步定位和地图构建中物体的快速识别方法，包括以下步骤：

(1)在同步定位和地图构建过程中，在初始化地图的同时进行深度神经网络模型对画面进行物体识别，并保存识别结果及其对应地图点信息；

(2)在初始化完毕后的运行过程中，若理论上应当出现在画面的物体，在该画面中检测不到可以与之匹配的地图点，则认为物体发生了移动，并且是移动到了画面外；

(3)在初始化完毕后的运行过程中，若某个理论上应当出现在画面中的物体，在地图中可以找到与之匹配的地图点，但是根据这些地图点所计算得到的相机位姿与其它物体不一致时，则认为物体发生了移动，并且移动后仍然出现在画面内；

(4)在初始化完毕后的运行过程中，使用深度神经网络检测匹配到的物体区域以外的部分。

下面具体阐释各个步骤：

1.在同步定位和地图构建过程中，在初始化地图的同时进行深度神经网络模型对画面进行物体识别，并保存识别结果及其对应地图点信息。

深度神经网络模型识别的结果为物体标签和物体二维包围盒，对应的地图点为包围盒映射到地图中所包围的地图点，地图点指的是同步定位和地图构建过程中画面上出现的图像特征点中被多帧连续观察到之后通过多帧画面确定其三维位置的点。找到对应地图点后为这些地图点加上物体ID标签；识别该物体后将该物体的图像特征向量(从深度物体识别神经网络模型推理结果中取得)保存到物体图像检索数据库，为其建立用于图像检索的索引。

2.在初始化完毕后的运行过程中，若理论上应当出现在画面的物体，在该画面中检测不到可以与之匹配的地图点，则认为物体发生了移动，并且是移动到了画面外。

理论上应当出现，指的是物体在第一次被识别后所处的位置被记录到地图中，运行过程中该位置再次出现在画面中；此时若该物体位置未发生变动，且定位过程未发生较大偏移，则该物体将被画面捕捉到；检测不到可以与之匹配的地图点指的是将地图点的特征描述子与画面中该物体所在位置的图像特征点描述子进行特征点匹配过程，在匹配后发现两组特征描述子的匹配程度未达到一定阈值。此时更新地图点，删去原物体地图点，并在物体信息中标记失去该物体的位置。

3.在初始化完毕后的运行过程中，若某个理论上应当出现在画面中的物体，在地图中可以找到与之匹配的地图点，但是根据这些地图点所计算得到的相机位姿与其它物体不一致时，则认为物体发生了移动，并且移动后仍然出现在画面内。