[发明专利]一种基于深度相机的动态场景处理方法及装置

说明书

本发明公开了一种基于深度相机的动态场景处理方法及装置，包括：获取目标图像；对目标图像的每一帧图像进行特征点提取，获得若干特征点以及与每一特征点所对应的描述子；对特征点进行聚类，获得若干节点；获取关键帧与当前帧同一个节点中的所有特征点，并计算特征点对应的描述子的第一距离，依据第一距离确定内点和外点；计算当前帧所有内点的第二距离，并基于第二距离确定动态点和静态点，第二距离表征几何距离的一阶近似值；对目标图像进行聚类，确定每个聚类区域中静态点和动态点的比例；基于比例，确定动态的聚类区域；剔除动态的聚类区域对应的动态点。本发明可以有效剔除场景中的动态内容，提高系统鲁棒性和精度。

技术领域

本发明涉及计算机视觉图像处理技术领域，特别是涉及一种基于深度相机的动态场景处理方法及装置。

背景技术

同时定位与地图构建(SLAM，Simultaneous LocalizationAnd Mapping)是指移动机器人在未知环境中通过传感器建立环境模型并确定自身位置。SLAM技术可应用于许多领域，如自动驾驶、增强和虚拟现实、移动机器人和无人机导航。但是，由于现实世界中的场景往往是比较复杂的，例如，场景中有运动的行人、车辆、动物等动态物体，这种情况下会导致视觉SLAM跟踪精度降低甚至失败。

目前，虽然可以通过剔除动态场景中的动态点来提高SLAM跟踪精度，但是采用传统几何方法对静态点和动态点的判别，误判较多，而采用深度学习的方案计算量太大，均无法实现对动态场景的较好处理，降低了系统的鲁棒性和精度。

发明内容

针对于上述问题，本发明提供一种基于深度相机的动态场景处理方法及装置，实现了提升系统鲁棒性和精度。

为了实现上述目的，本发明提供了如下技术方案：

一种基于深度相机的动态场景处理方法，包括：

获取目标图像，所述目标图像为同时定位与地图构建系统输入的图像；

对所述目标图像的每一帧图像进行特征点提取，获得若干特征点以及与每一特征点所对应的描述子；

对所述特征点进行聚类，获得若干节点，所述节点对应若干特征点；

获取关键帧与当前帧同一个节点中的所有特征点，并计算所述特征点对应的描述子的第一距离，依据所述第一距离确定内点和外点；

计算当前帧所有内点的第二距离，并基于所述第二距离确定动态点和静态点，所述第二距离表征几何距离的一阶近似值；

对所述目标图像进行聚类，确定每个聚类区域中静态点和动态点的比例；

基于所述比例，确定动态的聚类区域；

剔除所述动态的聚类区域对应的动态点。

可选地，所述方法还包括：

利用剔除动态点后的静态点进行位姿优化处理，获得位姿数据。

可选地，所述获取目标图像，包括：

获取同时定位与地图构建系统输入的彩色图像；

将所述彩色图像转换为灰度图，并将转换为的灰度图确定为目标图像。

可选地，所述对所述特征点进行聚类，获得若干节点，包括：

基于每一特征点对应的描述子，构建词袋模型，所述描述子为二进制编码的，对特征点的特征进行描述的信息；

利用所述词袋模型对所述特征点进行聚类，获得若干节点。

可选地，所述依据所述第一距离确定内点和外点，包括：

对所述特征点进行遍历，若所述第一距离大于第一阈值，将当前帧的特征点的内点特征值加一；