[发明专利]一种室外环境视觉惯性SLAM方法及装置

说明书

本发明公开了一种室外环境视觉惯性SLAM方法及装置，方法包括：通过提取原始图像的图像梯度信息得到梯度图像，对梯度图像进行阈值分割处理得到待优化图像；根据待优化图像计算得到待整合边界数据；采用多项式拟合算法对待整合边界数据进行整合处理，得到最终边界数据；根据最终边界数据对原始图像进行分割，得到天空区域图像，将惯性导航数据以及非天空区域图像进行SLAM初始化得到SLAM框架，根据SLAM框架进行SLAM构图定位。本发明实施例通过采用多项式拟合算法对边界线进行修正，能够有效降低运算量和运算时间，能够快速、准确地得到天空区域分割的效果，从而能够有效提高定位和轨迹建图的准确性。

技术领域

本发明涉及图像处理技术领域，尤其是涉及一种室外环境视觉惯性SLAM方法及装置。

背景技术

SLAM(Simultaneous Localization and Mapping)，中文译作同时定位与地图构建，是在没有环境先验信息的情况下，通过搭载一种或多种传感器，来建立环境模型和估计自身运动的一项技术。作为一种重要的定位与建立环境模型的方法，它在诸如自动驾驶等领域有着广泛的应用。基础的视觉SLAM结构相对简单，但在多种场景下会出现定位不准和轨迹偏移的问题。惯性测量单元和相机结合的视觉-惯性单元成为越来越热门的应用框架。现有室外环境视觉惯性SLAM方法采用较为成熟的SLAM框架，如VINS-Mono、ORB-SLAM3等SLAM框架，可在室外环境中取得较为理想的实验结果。但是现有的室外环境视觉惯性SLAM方法需要浪费大量的计算资源在无效的天空区域，导致定位和轨迹建图的效率较差。

发明内容

本发明提供一种室外环境视觉惯性SLAM方法及装置，以解决现有的室外环境视觉惯性SLAM方法需要浪费大量的计算资源在无效的天空区域，导致定位和轨迹建图的效率较差的技术问题。

本发明的第一实施例提供了一种室外环境视觉惯性SLAM方法，包括：

通过提取原始图像的图像梯度信息得到梯度图像，对所述梯度图像进行阈值分割处理得到待优化图像；

根据所述待优化图像的参数定义天空边界函数，根据梯度优化能量函数对所述天空边界函数进行计算得到待整合边界数据；

采用多项式拟合算法对所述待整合边界数据进行整合处理，得到最终边界数据；

根据所述最终边界数据对所述原始图像进行分割，得到天空区域图像，将惯性导航数据以及所述非天空区域图像进行SLAM初始化得到SLAM框架，根据所述SLAM框架进行SLAM构图定位。

进一步的，所述通过提取原始图像的图像梯度信息得到梯度图像，对所述梯度图像进行阈值分割处理得到待优化图像，具体为：

采用Sobel算子基于图像空间域卷积计算所述原始图像的梯度信息，并根据所述梯度信息绘制梯度图像；

对所述梯度图像的天空区域和非天空区域进行分割，得到待优化图像。

进一步的，所述待优化图像的参数包括但不限于图像的宽度和图像的高度；所述根据所述待优化图像的参数定义天空边界函数，根据梯度优化能量函数对所述天空边界函数进行计算得到待整合边界数据，具体为：

根据所述待优化图像中的天空区域像素数和非天空区域像素数分别计算所述待优化图像中天空区域的协方差矩阵和非天空区域的协方差矩阵，根据所述天空区域的协方差矩阵和所述非天空区域的协方差矩阵定义梯度优化能量函数；

根据所述图像的宽度和所述图像的高度定义天空边界函数；

据梯度优化能量函数对所述天空边界函数进行计算得到待整合边界数据。

进一步的，所述将惯性导航数据以及所述分割图像进行SLAM初始化得到SLAM框架，根据所述SLAM框架进行SLAM构图定位，具体为：