本發(fā)明涉及室內(nèi)導(dǎo)航定位，具體是在多特征融合中建立一種空間幾何約束的同步定位與建圖方法。

背景技術(shù)：

1、隨著科學(xué)技術(shù)的不斷發(fā)展，無線通信技術(shù)與互聯(lián)網(wǎng)的不斷進(jìn)步，基于位置服務(wù)對定位的精度要求越來越高。在室外定位中有北斗衛(wèi)星導(dǎo)航系統(tǒng)和全球衛(wèi)星導(dǎo)航系統(tǒng)等，它們的定位精度已經(jīng)取得優(yōu)越的效果，但在建筑物的遮擋和信號干擾等因素的影響下，無法進(jìn)行室內(nèi)定位。然而人們80％的主要社會(huì)活動(dòng)是在室內(nèi)進(jìn)行的，因此追求高精度、可靠性高的室內(nèi)定位技術(shù)的需求也在不斷攀升

2、目前主流的slam技術(shù)主要基于點(diǎn)特征，點(diǎn)是在圖像特征提取與跟蹤中表達(dá)信息的最小單位，并且具有計(jì)算資源低和易于跟蹤的優(yōu)勢。然而，在基于點(diǎn)特征的方法中，點(diǎn)特征的質(zhì)量對算法的魯棒性和準(zhǔn)確性至關(guān)重要。在結(jié)構(gòu)化場景中，物體結(jié)構(gòu)及尺寸變化相對穩(wěn)定且規(guī)律，具有明顯的幾何特征，比如墻壁、桌子等，由于表面紋理較低，此類場景下無法檢測到足夠的點(diǎn)特征進(jìn)行跟蹤。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是充分利用室內(nèi)場景下的幾何結(jié)構(gòu)特征，以rgb-d相機(jī)為傳感器，以點(diǎn)、線為主要特征，平面為輔助特征，進(jìn)行位姿的跟蹤估計(jì)。首先改進(jìn)lsd算法，將隱藏參數(shù)顯化，合并可用的短線特征，過濾低質(zhì)量特征以提高檢測效率；然后，提出一種結(jié)合幾何和外觀的特征匹配策略，并采用圖優(yōu)化算法優(yōu)化相機(jī)位姿；以此方法來提高室內(nèi)場景下相機(jī)位姿估計(jì)的魯棒性，整個(gè)系統(tǒng)可以很好地適應(yīng)環(huán)境紋理的變化。

2、本發(fā)明解決上述問題的技術(shù)方案如下：改進(jìn)幾何約束的多特征視覺manhattan-slam，包括以下步驟：

3、s1，多特征提取與匹配；

4、s2，線特征隱藏參數(shù)顯化與短線特征合并；

5、s3，建立幾何與外觀約束的線特征匹配跟蹤；

6、s4，結(jié)合結(jié)構(gòu)化場景與非結(jié)構(gòu)化場景的位姿估計(jì)；

7、s5，將提取的點(diǎn)線面多特征融合，并建立稀疏地圖。

8、本發(fā)明的有益效果是：

9、本發(fā)明針對結(jié)構(gòu)化場景提出了一種新的線特征提取與跟蹤算法，通過改進(jìn)lsd算法，使場景中存在的大量短線特征得到有效利用；隨后針對線特征提出幾何與外觀約束的匹配跟蹤算法，并進(jìn)行線特征的誤差優(yōu)化，細(xì)化三維線特征的空間位置信息；建立曼哈頓世界假設(shè)解耦位姿信息，有效降低了異常值影響，提高了位姿估計(jì)的精度，使用本改進(jìn)算法與目前主流算法相對比，本算法表現(xiàn)出了更優(yōu)越的準(zhǔn)確性和魯棒性，為定位技術(shù)提供了新方法。。

技術(shù)特征：

1.改進(jìn)幾何約束的多特征視覺manhattan-slam，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的改進(jìn)幾何約束的多特征視覺manhattan-slam，其特征在于，所述s1中多特征提取與匹配。具體為：點(diǎn)特征采用orb特征提取算法，使用各自描述符之間的漢明距離尋找最佳的特征匹配對；線特征的提取采用lsd檢測算法從圖像中提取出線特征，利用線特征描述符(line?band?descriptor，lbd)算法得到每個(gè)線特征的描述符，用于后續(xù)特征匹配。在獲取圖像幀的二維參數(shù)化表示后，計(jì)算其歸一化形式：

3.根據(jù)權(quán)利要求1所述的改進(jìn)幾何約束的多特征視覺manhattan-slam，其特征在于，所述s2通過顯化lsd隱藏參數(shù)，并調(diào)整線特征提取的最小密度閾值和圖像尺度參數(shù)，接著根據(jù)判定條件將檢測到的斷線特征進(jìn)行合并，并采用最小二乘法合并可用的短線特征，并將經(jīng)過合并的線特征用于特征匹配，提高視覺跟蹤的精度。

4.根據(jù)權(quán)利要求1所述的一種自適應(yīng)指紋子空間wifi匹配定位方法，其特征在于，在所述s3中定義參考幀和當(dāng)前幀中兩條對應(yīng)線段的方向角余弦值：

5.根據(jù)權(quán)利要求1所述的改進(jìn)幾何約束的多特征視覺manhattan-slam，其特征在于，在所述s4中，在結(jié)構(gòu)化場景中，將室內(nèi)環(huán)境建模為mw，估計(jì)相機(jī)幀與mf之間的無漂移旋轉(zhuǎn)估計(jì)rcm，mf可以通過對齊到相機(jī)幀，即：

6.根據(jù)權(quán)利要求1所述的改進(jìn)幾何約束的多特征視覺manhattan-slam，其特征在于，在所述s5中，使用rgb-d圖像提供的深度圖，根據(jù)優(yōu)化后的地圖和相機(jī)軌跡，從關(guān)鍵幀初始化并添加新的點(diǎn)、線和面特征，用于建立和更新地圖。

技術(shù)總結(jié)
本發(fā)明提出一種改進(jìn)幾何約束的多特征視覺Manhattan?SLAM，包括：S1，多特征提取與匹配，充分利用場景結(jié)構(gòu)信息，從中提取點(diǎn)、線和面多特征信息；S2，線特征隱藏參數(shù)顯化與短線特征合并，針對LSD算法中部分參數(shù)進(jìn)行顯化并調(diào)整，隨后設(shè)立判定條件，將符合條件的短線特征進(jìn)行合并，并將經(jīng)過合并的線特征用于特征匹配，提高視覺跟蹤的精度；S3，建立幾何與外觀約束的線特征匹配跟蹤策略，對線特征的空間位置和幾何關(guān)系建立約束，提高線特征匹配與跟蹤的精度；S4，結(jié)合結(jié)構(gòu)化場景與非結(jié)構(gòu)化場景的位姿估計(jì)，針對點(diǎn)線面多維特征構(gòu)建重投影誤差，利用Levenberg?Marquardt算法對重投影誤差進(jìn)行優(yōu)化，并由此得到結(jié)構(gòu)化環(huán)境和非結(jié)構(gòu)環(huán)境下的平移旋轉(zhuǎn)估計(jì)；S5，將提取的點(diǎn)線面多特征融合，建立并更新稀疏地圖。

技術(shù)研發(fā)人員：李鵬,盤宏斌,蔡成林,周彥,程鵬,李炎隆,鄧元明,王子旭
受保護(hù)的技術(shù)使用者：湘潭大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26