[发明专利]一种基于运动约束光流法的复杂动态场景的运动物体检测方法

权利要求书

1.一种基于运动约束光流法的复杂动态场景的运动物体检测方法，包括以下步骤：

1)输入具有真实环境运动物体移动的场景视频；

2)对输入的视频提取ORB特征，作为光流法的局部特征；

3)将提取的ORB特征与运动物体特征点库中的特征的相似度进行比较，以对所提取的ORB特征进行筛选，包括：

设定时效值记录运动物体特征点库中的所有特征的有效性，设定的时效值为N，时效值随着比较次数的增加而减少，以避免不能及时更新运动特征库，并根据实际场景做出反应；

采用欧氏距离对提取的ORB特征与运动物体特征点库中的特征的相似度进行比较，利用已经保存的运动物体特征点库中的特征对所提取的ORB特征进行筛选：如果是运动物体特征点库中的特征，同时其时效值N不等于零，则不进行步骤3)以下的操作，并将该特征对应的时效值减1；如果时效值N为零，则将比较的特征移出运动物体特征点库，并进行步骤3)以下的操作；如果没有在运动物体特征点库中找到对应的特征，则直接进行步骤3)以下的操作；

4)获取当前机器人的运动矢量；

5)通过光流法对步骤3)筛选后的ORB特征进行处理，并将步骤4)得到的当前机器人的运动矢量作为辅助信息加快光流法的处理速度；

6)根据光流法的处理结果更新运动物体特征点库，从而实现动态场景中运动物体的检测。

2.如权利要求1所述的方法，其特征在于，根据步骤6)建立的运动物体特征点库排除运动物体的特征点，建立环境点云图，进而通过环境点云图进行机器人的定位和导航。

3.如权利要求1所述的方法，其特征在于，步骤1)通过室内机器人录制具有真实环境运动物体移动的场景视频。

4.如权利要求1所述的方法，其特征在于，将机器人运动矢量估计的特征点和当前图像的特征点不能匹配的特征点，和由于时效值为零依旧不能找到匹配点的特征点，加入到运动物体特征点库，并给新加入的特征点赋予时效值N，每进行一次比较，则时效值减1，当时效值为零时，该特征点重新通过光流法计算其运动轨迹。

5.如权利要求1所述的方法，其特征在于，步骤4)采用ORB_SLAM算法来获得机器人当前的运动矢量。

6.如权利要求1所述的方法，其特征在于，步骤5)借助机器人当前的运动矢量作为辅助提高光流法梯度下降搜索灰度匹配点的效率。

7.如权利要求6所述的方法，其特征在于，步骤5)将机器人运动分为三类：第一类，前后移动；第二类，旋转移动；第三类，复合移动。

8.如权利要求7所述的方法，其特征在于，对于第一类的前后移动，每帧获取的图像中的特征点以视频中心点为中心发散式移动；对于第二类的旋转移动，获得的图像中的特征点均向机器人旋转的反方向运动；对于第三类的复合运动，将第一类和第二类的运动方向矢量相加即可获得。