[发明专利]一种基于机器人视觉闭环检测算法的地图构建方法、存储介质及设备

说明书

本发明公开了一种基于机器人视觉闭环检测算法的地图构建方法、存储介质及设备，该方法包括所述方法包括：步骤S1，根据机器人所自带的相机采集环境信息，从环境信息中提取出特征突出的强特征区域；步骤S2，采用高斯HOG描述符对环境信息进行处理，提取图像的全局特征；步骤S3，将通过高斯HOG描述符提取出的全局特征与强特征区域结合，得到图像中基于强特征区域的的特征描述符，并利用全局特征与事件场景记忆库中的图像进行粗匹配：步骤S4，将基于强特征区域的的特征描述符进行匹配，并进行强特征区域的位置匹配以实现二次检测。本发明既以减少误匹配的概率又减少图像匹配环节的匹配次数和相关区域，降低了耗时。

技术领域

本发明属于同步定位与地图创建(Simultaneous Location And Mapping，SLAM)技术领域，涉及一种基于机器人视觉闭环检测算法的地图构建方法、存储介质及设备。

背景技术

同时定位与地图创建(Simultaneous Location And Mapping，SLAM)是指机器人在陌生环境中，利用自身所携带的传感器，自主采集周围环境信息，构建环境认知地图。但是机器人在运动过程中，由于自身的运动问题与传感器的精度问题而产生误差，并且这种误差会随着时间的增加变得越来越大，最终得到的认知地图会有很大的漂移误差，而在SLAM中添加闭环检测环节可以很好地解决这个问题。闭环检测又称为视觉位置识别，是SLAM系统中重要的组成部分。闭环检测的任务是可以识别机器人以前到过的地方，修正机器人的位姿，解决SLAM系统累积误差的问题。

原始的Co-HOG算法计算效率高且无需像其他算法需要提前训练，但在长时间的运行下，还是会出现匹配效率的不断下滑和误匹配的情况发生，现有技术无法解决误匹配的问题，或者能解决但会导致匹配效率进一步下降，这是因为事件场景记忆库中存储的参考图像不断增多，从而大大增加匹配计算所消耗的时间。而且现有的Co-HOG算法不能突出图像纹理的特点，令匹配的可靠性无法保证。

发明内容

本发明的目的在于提供一种基于机器人视觉闭环检测算法的地图构建方法，以解决现有技术中由于长时间运行导致现有地图构建方法匹配效率越来越慢，并且无法兼顾效率和可靠性、鲁棒性之间的的技术问题。

所述的一种基于机器人视觉闭环检测算法的地图构建方法，包括：

步骤S1，根据机器人所自带的相机采集环境信息，从环境信息中提取出特征突出的强特征区域；

步骤S2，采用高斯HOG描述符对环境信息进行处理，提取图像的全局特征；

步骤S3，将所述全局特征与强特征区域结合，得到图像中基于强特征区域的的特征描述符，并利用全局特征与事件场景记忆库中的图像进行粗匹配：

步骤S4，将基于强特征区域的的特征描述符以矩阵形式表示，与事件场景记忆库中参考图像的特征转置矩阵相乘，并采用最大池化，得出最佳匹配结果，根据匹配得出的图像差异对机器人的轨迹图像进行修正；

步骤S4中在匹配完成后，进行当前图像与事件场景记忆库中的参考图像之间的强特征区域位置匹配，以实现对匹配结果的二次检测。

优选的，所述步骤S1中，首先设某一图像为I，图像的长为H₁，宽为Z₁，则将图像的大小表示为(H₁,Z₁)，现将图像I划分为N个区域，定义每一块区域的大小为(H₂,Z₂)，定义图像某一区域的特征值为：