[发明专利]一种基于直线特征的视觉SLAM方法

说明书

本发明提供一种基于直线特征的视觉SLAM方法，包括以下步骤：S1、特征直线交点构造新类型点特征；S2、对线特征再提取点特征，引入直线特征描述方法；S3、后端中根据新的线特征描述方法，匹配线特征词袋，确定空间中唯一直线。本发明可以极大的提高特征提取的精度，并且直线特征不受光照等因素影响，系统稳定性好，精度高。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于直线特征的视觉SLAM方法。

技术背景

目前图像常用的特征匹配方法有点匹配、直线匹配以及面匹配。在图像匹配时，由于在不同类型的图像中，特征点容易提取，因此，点特征通常是比较常用的匹配方法。但是，与特征直线相比，特征点有三个不足之处：第一，特征点容易受到环境噪声的影响，稳定性较差，而特征直线对环境噪声的抗干扰能力较强，稳定性较高。此外，相比于特征点的提取与定位，特征直线的定位更加准确，可以达到亚像素级别。第二，特征直线是现实场景和人造场景中普遍存在的特征，同时也包含图像中中非常重要的中层信息，利用众多包含中层信息的特征直线，可以构建图像的高层信息，并且特征直线具有更加稳定的几何特性，可有效解决部分阴影或部分遮挡问题。例如基于特征点的三维重建，当特征点被遮挡时，不能利用前方交会得到三维点的坐标，进而直接影响三维重建的性能，而基于特征直线的三维重建，当直线部分被遮挡时，仍能可以从未遮挡部分中获取足够多的信息，实现三维重建。第三，在低纹理图像中，特征点的提取比较困难，使得点匹配比较困难，而低纹理图像中仍能提取特征直线，所以直线匹配更适用于低纹理图像。物体的面特征时由物体的面积、周长、形心以及三维标准矩阵等组成，与特征直线相比，特征面不容易提取与描述。

发明内容

本发明针对基于特征点的视觉SLAM存在的特征点提取困难，易受光照影响，误匹配等问题，引入直线特征。特征较为稳定的直线特征本身就可以为视觉SLAM提供定位与建图的依据，同时利用两直线相交可以构成点的特性，引入新的点特征提取方法，由于该特征点鲁棒性强，易提取，因此可以极大的提升了系统的稳定性和精确性。

一种基于直线特征的视觉SLAM方法，包括以下步骤：

S1、特征直线交点构造新类型点特征

在每一帧图像中，利用LSD直线检测方法，提取直线特征；

首先判断两直线是否共面，在利用共面的直线计算出交点后，计算交点的描述子；在前端里程计以及后端优化过程中，将交点特征的视觉约束权重增大，而通过普通点特征提取的特征点权重降低；

S2、对线特征再提取点特征，引入直线特征描述方法

在检测识别到直线后，在直线上遍历提取特征点，并对特征点计算描述子；

当相邻两帧共同观测到一条直线，并且在共同观测区域拥有相同的特征点，即可认为空间中同一条直线；

同时为了在回环检测以及下一帧的直线匹配，将当前帧的直线新的特征点加入到直线词袋库中，在后期的直线匹配阶段中，使用当前帧中直线的LBD描述子以及点特征与直线词袋库中的直线进行匹配实现词袋的匹配；

为了能够充分表征空间中的一条直线，在当前帧还需要提取共同观测区域以外的特征点，同时将当前观测的所有区域中得到特征点更新到对应直线的特征中去，为了接下步骤重定位以及回环检测等环节提供约束。

S3、后端中根据新的线特征描述方法，匹配线特征词袋，确定空间中唯一直线

LBD描述子示意图由若干个相互平行的条带组成一个线段支持域LSR，并定义了d_L和d_⊥两个方向来实现旋转不变性，其中d_L为线段方向，d_⊥为d_L的顺时针垂直方向。设条带数目为m，宽度为w,长度为线段的长度；