[发明专利]基于约束相机运动与畸变校正的水下视觉SLAM方法

说明书

本发明公开了基于约束相机运动与畸变校正的水下视觉SLAM方法，通过利用约束拍摄相邻帧数图像以及整体相机运动路径的方法，创建水下速度优化方程，对水下相机运动速率进行局部以及整体优化；本发明解决了因水下相机运动速率偏差过大而引起气泡的问题，保证了拍摄图像的质量，有利于SLAM的建图；在创建词袋时，通过融合径向畸变、切向畸变以及散射系数的方法，对拍摄到的图像及其特征点进行水下畸变校正，可以有效解决在回环检测时出现的特征点误匹配问题，并且有效消除水下累计误差，提高回环检测的真实回环率。

技术领域

本发明涉及同步定位与地图构建领域，特别涉及基于约束相机运动与畸变校正的水下视觉SLAM方法。

背景技术

近几年来，随着机器人技术受到更多人的关注，SLAM关键技术有了快速发展，仍存在一些尚未解决的问题。

目前，现有的视觉SLAM方法可以分为直接法和特征点法两大类。其中，直接法以稀疏直接法的视觉里程计(Direct Sparse Odometry，简写“DSO”)为代表，特征点法以基于稀疏特征点的单目SLAM系统(Oriented FAST and Rotated BRIEF-SLAM,简写“ORB-SLAM”)为代表。DSO和ORB-SLAM的陆地上的公开数据集虽然取得了很好的效果，但是在水下环境进行测试的情况并不理想。

现有的视觉实时场景构建方法用于水下环境会产生以下问题：

(1)视觉实时场景构建系统用于水下过程中，如果相机不做其他运动约束，就会导致水下产生一定的气泡等的环境影响因素，会导致相机拍摄出现质量下降，从而影响SLAM建图的质量；

(2)为了提高在水下环境的拍摄质量，现有的方法是通过空气预标定以及水下标定的方法进行改善，但该方法不能直接对特征点进行处理，会导致特征点误匹配，影响回环检测的真实正确率，影响整体的建图。

针对以上所存在的问题，2017年江苏科技大学产业技术研究院杨平乐等人提出了一种水下视觉SLAM系统中的图像处理方法(授权公告号：CN104574387B)，通过建立水下成像模型和处理水下环境因素对相机成像的影响，解决数据关联中的误匹配和匹配效率问题，能较好处理光线折射、散射吸收现象引起的特征匹配问题，但未考虑图像畸变以及对相机运动的限制问题，可能会引起特征匹配误差，影响建图的效果。2019年哈尔滨工业大学深圳研究生院吴晓军等人提出了一种基于视觉的水下测量方法(公告号：CN105698767B)，利用空气中预标定、水下相机标定的方法实现了相机在水面外的水下精准测量，但是并没有解决SLAM相机水下工作时特征点的畸变现象。2021年江苏科技大学章飞等人提出了一种用于水下自主导航与定位的方法(授权公告号：CN106403953B)，用随机有限集方法对SLAM问题进行建模，能更准确的描述地图特征信息、地图特征观测信息、杂波等因素，在地图特征估计方面改善了传统方法对地图特征数量及地图特征位置的估计精度，仅提高了相机位姿的估计计算速度，但没有考虑水下的复杂环境对相机运动的重要影响，另外没有考虑水下可能产生的图像及其特征点畸变问题。

综上所述，要实现水下实时场景构建的可行性，就必须对水下相机进行运动优化以及对图像及其特征点进行畸变校正。

发明内容

本发明的目的是克服现有技术缺陷，提供基于约束相机运动与畸变校正的水下视觉SLAM方法，通过创建约束局部相邻帧数以及整体水下速度优化相机运动方程，对水下相机进行局部以及全局优化，将该优化方程作为辅助条件，解决了水下环境对建图的影响，能够有效提高单目相机视觉实时场景构建在水下环境的质量。

本发明的目的是这样实现的：一种基于约束相机运动与畸变校正的水下视觉SLAM方法，包括以下步骤：

步骤1)传感器信息获取；

步骤2)基于单目相机的特征点法的前端视觉里程计；

步骤3)基于约束相机运动与图像畸变校正的后端优化；