[发明专利]一种基于ORB-SLAM2的动态场景建图与定位方法

说明书

本发明公开了一种基于ORB‑SLAM2的动态场景建图与定位方法，包括局部地图跟踪过程、动态像素剔除过程、稀疏映射过程、闭环检测过程以及构建八叉树地图过程；该方法具有动态像素剔除的功能，通过目标检测方法结合新关键帧的深度图像在相机的图像信息中快速检测到移动对象并在复杂的动态环境中构建一个干净的静态背景八叉树地图。

技术领域

本发明涉及机器人同步建图与定位slam技术领域，具体涉及一种基于orb-slam 2的动态场景建图与定位方法。

背景技术

SLAM(同时定位与地图重建)一直是计算机视觉和机器人领域的热门话题，同时也吸引了很多高科技公司的关注。SLAM技术是在未知的环境当中建立一个地图并且能够在地图当中实时的定位。现代可视化SLAM系统的框架非常成熟，如ORB-SLAM2，LSD-SLAM；最先进的视觉同步定位和映射(V-SLAM)系统具有高精度定位功能，但是大多数这些系统假设操作环境是静态的，从而限制了它们的应用。

针对于在动态场景中建立静态地图，现有的算法都有其不足，例如DynaSLAM不能实时的，DynaSLAM只剔除预定义对象的像素，而对于未定义的对象或者只是预定义对象的一部分则无法剔除，StaticFusion系统对于长时间静止的人无法剔除，以上算法都不能在复杂的动态环境实时地建立一个干净的静态地图。

发明内容

针对上述现有技术中存在的问题，本发明的目的是提供一种基于ORB-SLAM2的动态场景建图与定位方法，该方法具有动态像素剔除的功能，通过目标检测方法集合新关键帧的深度图像在相机的图像信息中快速检测到移动对象并在复杂的动态环境中构建一个干净的静态背景八叉树地图。

为了实现上述任务，本发明采用以下技术方案：

一种基于ORB-SLAM2的动态场景建图与定位方法，包括以下步骤：

步骤1，局部地图跟踪

利用机器人所携带的相机捕获的图像信息对相机位姿进行初始化；初始化时将相机捕获的第一帧图像作为关键帧；得到初始位姿后，对局部地图进行跟踪，从而优化相机位姿以及生产新的关键帧；

步骤2，动态像素剔除

使用目标检测算法在新关键帧的彩色图像中检测预定义动态对象，然后结合新关键帧的深度图像来识别动态像素；先后通过这两种方法检测到的动态像素都被剔除；

步骤3，稀疏映射

对于剔除了动态像素的关键帧，优化关键帧的机器人位姿，增加新的地图点，维护关键帧集合的质量与规模；

步骤4，闭环检测

对每个新的关键帧进行闭环检测，一旦检测到闭环，进行位姿图优化；

步骤5，构建八叉树地图

利用八叉树将地图点划分为体素，并通过八叉树结构存储这些体素，以构建八叉树地图；通过计算体素的占据概率来判断体素是否被占据，如占据则在八叉树图进行可视化。

进一步地，所述的对局部地图进行跟踪，从而优化相机位姿以及生产新的关键帧，包括：

所述的局部地图指的是距离和视角接近当前帧的关键帧所观察到的3D点；通过重投影得到更多匹配的3D点，从而最小误差进行优化相机位姿及产生新的关键帧：

将局部地图上的3D点投影到当前帧上，得到3D-2D特征匹配；

限制在当前帧的搜索2D匹配点的区域来减少误匹配，然后将当前帧中的像素与3D点按照当前估计的相机位姿进行投影得到的位置相比较得到的误差构造最小二乘法问题，使它最小化，然后寻找最好的相机位姿，以进行定位；

根据预设条件判断是否要生成新的关键帧。