[发明专利]基于微分流形的回环检测方法

说明书

本发明提供了一种基于微分流形的回环检测方法，包括如下步骤：通过输入的数据集获取关键帧图像所对应的相机位姿；获取相机位姿所对应的相机位姿节点，将所述相机位姿节点和邻域内位姿节点引入到Frenet框架；在Frenet框架下，建立所述相机位姿节点的流形切空间，在流形切空间中寻求最优的机器人朝向；根据所述邻域内位姿节点信息，依次计算由若干个所述相机位姿节点所构成曲线的曲率和挠率，利用所述相机位姿节点的曲线插值和拟合方法对机器人运动轨迹进行逼近，结合最优的机器人朝向求取机器人运动轨迹的平滑曲线。本发明能够有效保证机器人运动轨迹的光滑性，降低整个系统的累积误差。

技术领域

本发明涉及视觉实时定位与地图构建领域，具体地，涉及基于微分流形的回环检测方法。

背景技术

视觉实时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是实现自主移动机器人的关键技术，广泛应用于服务类机器人、自动驾驶等领域。回环检测是SLAM系统的重要模块，机器人在长时间运行时由于邻近帧的误差会不断累积，会导致轨迹出现漂移从而无法构建全局一致的地图，增加这一模块可以有效降低系统的累积误差。

现存的回环检测方法大都是采用基于外观的方法，主要是视觉词袋模型(Bag ofWords)及其改进方法，其基本思想是把图像局部特征点的描述子转换成单词，然后由这些单词组成字典，最后对整张图像的单词统计词袋向量，词袋向量间的距离即表示了图像之间的差异性。此方法虽有效的检测到回环的发生，但却没有从根本上降低系统的累积误差。

由于机器人在实时运动时的轨迹是复杂多变的，机器人如果做的是直线或类直线运动，误差会较小，运动轨迹漂移量很小或者几乎不发生任何漂移；但由于真实场景中受到各种噪声影响，不可能一直保持直线或类直线运动，因此仅由图像匹配算法计算得到的关键帧位姿存在大量误差，由这些关键帧位姿组成的机器人运动轨迹与其真实运动严重不符，每个位姿处发生一定的误差，这些误差逐渐累积最终导致机器人的运动线路发生漂移，因此得到的机器人运动路线累计误差较大。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于微分流形的回环检测方法。

本发明提供一种基于微分流形的回环检测方法，包括相机和机器人，其中所述相机跟随机器人同步移动，包括相机和机器人，其中所述相机跟随机器人同步移动，包括如下步骤：

通过输入的数据集获取关键帧图像所对应的相机位姿；

获取相机位姿所对应的位姿节点，将位姿节点和邻域内位姿节点的引入到Frenet框架；

在Frenet框架下，建立位姿节点的流形切空间，在流形切空间中寻求最优的机器人朝向；

根据邻域内位姿节点信息，依次计算由若干个位姿节点所构成曲线的曲率和挠率，利用位姿节点的曲线插值和拟合方法对机器人运动轨迹进行逼近，结合最优的机器人朝向求取机器人运动轨迹的平滑曲线。

可选地，通过输入的数据集获取关键帧图像所对应的相机位姿进一步包括：

输入数据集，其中，数据集包括相机在采样样本空间得到的图像数据，并构建对应的图像特征描述符；

基于图像特征描述符并利用图像匹配算法获取关键帧图像所对应的相机位姿。

可选地，构建对应的图像特征描述符是利用四叉树算法获取图像的特征点来实现的。

可选地，建立的流形切空间的表达式为：

其中，γ是曲面M上一条过相机位姿节点的光滑曲线，即γ∈C^∞(R¹,M)，γ(0)＝p，T_pM为M在p点的切平面，为M在p点的切向量。

可选地，曲线段的曲率表达式为：