[发明专利]一种基于SLAM的用于土地监管的穿戴设备

权利要求书

1.一种基于SLAM的用于土地监管的穿戴设备，其特征在于：包括图像采集模块、SLAM定位建图模块和软件分析模块。

2.根据权利要求1所述的一种基于SLAM的用于土地监管的穿戴设备，其特征在于：图像采集模块主要用于图像信息的采集，可以是基于单目、双目、RGBD等主流3D相机的任意一种，采集设备将会嵌入到帽子、眼镜等穿戴设备之中;

以下假设第一次扫描得到的数据模型为参考模型m1，第二次扫描得到的数据模型为m2。

3.根据权利要求1所述的一种基于SLAM的用于土地监管的穿戴设备，其特征在于SLAM定位建图模块主要是通过SLAM来对m1，m2进行形貌恢复;

SLAM 前端也就是视觉里程计（VO），它根据相邻图像的信息粗略的估计出相机的运动，给后端提供较好的初始值;

特征点的提取主要有SIFT, SURF, ORB等算法;特征点由关键点（Key-point)和描述子（Descriper)两部分组成;SIFT (Scale Invariant Feature Transform； 尺度不变特征变换）计算量大，普通 PC 的 CPU还无法实时地计算 SIFT 特征，进行定位与建图;所以适用场景并不多;ORB（Oriented FAST and Rotated BRIEF）特征改进了 FAST 检测子不具有方向性的问题，并采用速度极快的二进制描述子BRIEF，是最符合应用场景的特征点提取算法;根据匹配点对，估计相机运动;当相机为单目时，我们只知道 2D 的像素坐标，因而根据两组 2D 点估计运动;该问题用对极几何来解决；当相机为双目、RGB-D 时，或者我们通过某种方法得到了距离信息，那问题就是根据两组 3D 点估计运动；该问题通常用 ICP 来解决；如果有 3D 点和它们在相机的投影位置，也能估计相机的运动;该问题通过 PnP求解。

4.根据权利要求1所述的一种基于SLAM的用于土地监管的穿戴设备，其特征在于：SLAM优化后端完成工作主要是对视觉前端得到的不够准确的相机位姿和重建地图进行优化微调;在视觉前端中，不管是进行位姿估计还是建图，都是利用相邻帧之间的关系来完成的，这种依赖局部约束且不停地链式进行的算法，必将导致优化误差逐帧累积，最终产生一个较大的误差漂移;后端优化的思路就是从全局（整个相机运动过程）中选取一些关键帧，利用这些关键帧之间的关系建立起时间和空间跨度更大的、需要同时满足的全局约束，以优化之前得到的不够准确的各帧的相机位姿，实际上就是完成一个Bundle Adjustment（最小化重投影误差）;该全局优化问题可以通过建立和优化位姿图（pose graph）来求解;位姿图是以关键帧的全局位姿作为图的节点，以关键帧之间的相对位姿误差作为图的边的权重，通过令整个图的所有边的权重值总和最小，来优化得到每个图节点的值;

在相机的运动过程中，有时候会重复地观测到以前观测过的区域（revisited areas），而由于视觉前端带来的误差漂移，会导致再次对这些区域进行建图时，会与先前在同一区域建图的结果不重合，即出现了重影现象;因此在后端优化中，另一个重要的工作是进行闭环（loop closure）检测;所谓闭环检测，其实就是判断在相机的运动轨迹上，有没有观测到先前观测过的区域，而这些区域，就是闭环点;

用于闭环检测的常用算法主要有：词袋模型和随机蕨算法;词袋模型首先对一个图像帧上的描述子进行聚类：一个关于描述子的聚类称之为一个词，所有不同的词的集合称之为字典;对于在字典中和在单帧图像中出现频率较高的词，给予其较高的权重;当对比两个图像帧之间的相似度时，只要在这两个图像帧上，逐个词地进行权重对比即可，常用的用于衡量权重差异的尺度为L1范数;

在检测出闭环点之后，就可以利用闭环点建立起一个跨度较大的全局约束，其实就是将视觉前端中的单向链式约束的头尾相连，并根据头尾相连处的位姿必须相等作为一个自洽条件，进而将这个约束条件反馈到闭合后的整个环式结构的优化中，使得每个历史帧的位姿优化不仅依赖于其过去的图像帧的约束，也依赖于其未来的图像帧的约束;这样的优化过程鲁棒性更好，因为对不同的优化方向作出贡献的噪声将借由多约束条件在一定程度上相互抵消，误差漂移现象也因此得到改善。

5.根据权利要求1所述的一种基于SLAM的用于土地监管的穿戴设备，其特征在于：软件分析模块主要包括对重构之后模型m1，m2的点云信息进行比对，以m1为基准，遍历m2进行离群点检测，将离群点悉数返回，分析离群模型是否为加盖、地形变迁等情况，另外通过对m1的高光谱信息进行分析，检测材料是否为水泥等受保护的持久性建筑。