[发明专利]一种结合SuperPoint网络特征提取的单目SLAM方法

权利要求书

1.一种结合SuperPoint网络特征提取的单目SLAM方法，其特征在于：所述方法包括如下步骤：

步骤1)，输入单目相机视频图像，将单目相机视频图像划分为以每帧的格式输入并进行预处理；

步骤2)，读取每帧图像，将每帧图像输入到SuperPoint网络中，输出的是图像特征点和描述子；

步骤3)，进入跟踪模式，将满足特征点数目的帧作为参考帧，继续读取下一帧进行特征匹配，根据匹配的特征点计算相机位姿轨迹，同时不断加入下一帧；

步骤4)，根据计算的相机位姿轨迹绘制局部地图，并不断更新，直至读取完所有的图像帧。

2.根据权利要求1所述的一种结合SuperPoint网络特征提取的单目SLAM方法，其特征在于：所述步骤1)的具体步骤包括：

步骤1.1)，将连续视频图像以每帧图像循环读入；

步骤1.2)，对每帧图像进行处理，将每帧图像转为灰度图。

3.根据权利要求2所述的一种结合SuperPoint网络特征提取的单目SLAM方法，其特征在于：所述步骤2)的具体步骤包括：

步骤2.1)，将经过处理的灰度图输入至SuperPoint网络中；

步骤2.2)，在SuperPoint网络一个共享的编码器对输入图片进行降维，再将图像分别送到特征点检测网络和描述子检测网络；

步骤2.3)，在特征点检测网络中，采用Shi-Tomasi角点检测图像块，输出的每个像素点成为特征点的概率；

步骤2.4)，在描述子检测网络中，先学习半稠密的描述子，然后进行双三次插值算法得到完整描述子，再使用L2标准化处理得到单位长度的描述。

4.根据权利要求2所述的一种结合SuperPoint网络特征提取的单目SLAM方法，其特征在于：所述步骤3)的具体步骤包括：

步骤3.1)，对每帧图像提取的特征点进行判断，如果特征点数目满足设定要求，则将该帧作为参考帧，否则继续读入下一帧；

步骤3.2)，选好参考帧后，读取下一帧与参考帧进行特征匹配；

步骤3.3)，选择两个图像帧中匹配的特征点P₁与P₂，利用三角测量法，通过在两个图像帧中观察同一个点的夹角，从而确定该点的距离；

步骤3.4)，由于已知P₁与P₂点的像素坐标，将其分别归一化平面上的坐标x₁与x₂，转换公式为x₂＝Rx₁+t，其中R为旋转矩阵，t为平移矩阵；

步骤3.5)，求解旋转矩阵R与平移矩阵t，然后选择参考帧，继续读取下一帧与参考帧进行特征匹配，不断得到图像帧之间位姿轨迹。

5.根据权利要求4所述的一种结合SuperPoint网络特征提取的单目SLAM方法，其特征在于：所述步骤4)的具体步骤包括：

步骤4.1)，根据图像帧之间位姿轨迹，使用Eigen几何模块在地图上绘制出来；

步骤4.2)，根据图像帧之间位姿轨迹计算得到相机位姿，并不断更新地图。

6.根据权利要求4所述的一种结合SuperPoint网络特征提取的单目SLAM方法，其特征在于：所述步骤3.5)中求解旋转矩阵R与平移矩阵t通过F模型和/或H模型：F模型利用匹配点，根据八点法求解基础矩阵F进行奇异值分解得到旋转矩阵R与平移矩阵t，H模型利用匹配点，计算单应矩阵H由DLT分解法得到旋转矩阵R与平移矩阵t。

7.根据权利要求6所述的一种结合SuperPoint网络特征提取的单目SLAM方法，其特征在于：所述步骤3.5)中选择计算两种方法求解旋转矩阵R与平移矩阵t后，分别计算得到单应矩阵H的重投影误差评分S_H和基础矩阵F的重投影误差评分S_F，并根据公式R_H＝S_H/(S_H+S_F)计算总评分R_H，若R_H0.4则选择单应矩阵计算，否则选择基础矩阵计算。