[发明专利]一种基于单目视觉的定位与地图构建方法

说明书

本发明提供了一种基于单目视觉的定位与地图构建方法，方法包括以下步骤：(1)采用Mask R‑CNN神经网络对创建地图的视频帧进行处理，分割出环境中的先验动态目标得到分割的图像帧；(2)利用低成本跟踪模块将所述分割的图像帧定位在地图中；(3)将经过上述步骤处理的分割的图像帧运用多视图几何模块进行动态目标的跟踪检测定位；(4)对地图中被动态目标遮挡部分的背景进行基于时间加权滤波的背景修复；(5)获取上述步骤(1)‑(4)所建立的地图，当发生地图跟踪失败时，自适应生成一个新的局部地图，并在回环时将该地图与之前所建立的地图进行融合以实现多地图构建线程。本发明的方法能够有效的提取出环境中的各类动态目标。

技术领域

本发明涉及单目视觉定位与建图领域，具体而言，涉及一种基于单目视觉定位与地图构建方法。

背景技术

随着智能技术的发展促使着智能移动机器人技术发展到了一个新的阶段，同步定位与建图(SLAM)技术作为智能移动机器人的一项基本能力，已经成为了机器人研究领域的热点问题。在2000年前，主要利用激光雷达实现移动机器人的SLAM算法，2000年后，逐渐转向基于机器视觉的SLAM算法研究。

在视觉SLAM算法中所用的相机主要有三种，分别为：单目相机、双目相机和RGB-D相机。而单目相机具有价格低廉、功耗低、体积小、安装方便、获取的信息量大、适用于大规模场景等优点，因此基于单目相机的V-SLAM算法被广泛应用。迄今为止，已有一些比较经典的单目SLAM(V-SLAM)算法已经问世，如：MonoSLAM、PTAM、ORB-SLAM等。

而目前的传统V-SLAM都是基于激光雷达的，但基于激光雷达的SLAM算法只能建立二维平面地图，地图信息不完善，受各种环境因素的限制，近十年各种不同的视觉同步定位与建图(Visual Simultaneous Localization and Mapping，简称V-SLAM)算法逐渐涌现，但传统V-SLAM算法又存在着各种缺陷，如：跟丢后无法继续建图和无法在动态环境下建立正确的环境地图等，使得传统V-SLAM算法难以在复杂多变的实际场景中实现机器人的同步定位与建图，可见传统算法主要存在两个问题：(1)无法在动态环境下建立环境真实地图的问题；(2)V-SLAM算法在跟丢后无法继续建图的问题(即类似于机器人的“绑架劫持”)。

发明内容

本发明的目的在于提供一种基于单目视觉的定位与地图构建方法，该方法针对现有技术中的两个问题，给出了解决的办法，通过引入深度学习与多视图几何技术相结合的方法来检测环境中的各类动态目标，先利用Mask R-CNN神经网络检测出环境中存在的先验动态目标，在此基础上，再利用多视图几何技术检测出正在移动的随机动态目标，从而检测出环境中存在的各类动态目标，在跟踪和建图过程中不对这些动态目标进行跟踪和建图，即可克服动态物体对算法造成的各种影响；之后，再利用一种基于时间加权滤波的背景修复算法，合成一个修复背景地图的图像帧再经过平滑滤波后，实现对动态物体遮挡的背景进行背景修复；最后，利用多地图构建的思想，设计一种多地图构建线程，以解决传统V-SLAM算法在算法跟丢后无法继续跟踪和建图的问题，相较于传统的V-SLAM算法具有更强的鲁棒性，建立的地图更加完整，对动态环境的适应性更强，有更好的应用价值。

本发明提供的基于单目视觉的定位与地图的构建方法，包括以下步骤：

(1)采用Mask R-CNN神经网络对创建地图的视频帧进行处理，分割出环境中的先验动态目标得到分割的图像帧；

(2)利用低成本跟踪模块将所述分割的图像帧定位在地图中；

(3)将经过上述步骤处理的分割的图像帧运用多视图几何模块进行动态目标的跟踪检测定位；

(4)对地图中被动态目标遮挡部分的背景进行基于时间加权滤波的背景修复；

(5)获取上述步骤(1)-(4)所建立的地图，当发生地图跟踪失败时，自适应生成一个新的局部地图，并在回环时将该地图与之前所建立的地图进行融合以实现多地图构建线程。