[发明专利]一种单目相机成像半稠密建图方法、存储介质及装置

说明书

本发明公开了一种单目相机成像半稠密建图方法，该方法为：S1：筛选关键帧：从单目相机的成像中逐步筛选出关键帧，得到关键帧集合；S2：信息处理：处理关键帧集合中的图像信息，得到像素逆深度相关信息；S3：半稠密建图：结合逆深度分布的相关信息与关键帧集合，处理得到半稠密的点云地图。相比于现有技术，在本发明当中提供的单目相机成像半稠密建图方法以单目相机为前端图像采集器，对采集到的图像以设定手段筛选出关键帧后，依据关键帧集合中的图像的像素逆深度相关信息半稠密建图，相比传统视觉SLAM系统中常见的稠密建图，可方便取得更快、更高效、更轻量化的建图效果。

技术领域

本发明属于视觉SLAM技术领域，特别涉及一种基于单目相机成像的视觉SLAM技术。

背景技术

SLAM(Simultaneous Localization andMapping)技术，即定位与地图构建技术，它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过程中建立环境的模型，同时估计自己的运动。其中，以相机作为主要传感器而实现的定位与地图构建技术，称为视觉SLAM技术。相比于其他SLAM技术，视觉SLAM技术信息量大、适用范围广，近年来被越来越多地应用在机器人导盲、增强现实、无人驾驶等具体场景中。

以无人驾驶场景为例，应用到无人驾驶场景中的视觉SLAM技术，其具体采用的相机往往有单目相机、双目相机以及深度相机三种，其中以双目相机与深度相机应用居多。双目相机是利用两个镜头从不同视点观察同一目标，计算图像像素间位置偏差，对视场范围内的目标进行立体成像。而深度相机则往往自带红外结构光测距单元，通过主动向目标发射逛并接受返回的光，在获得目标侧成像的同时测出目标物体与相机之间的距离，直接获得深度信息。

应该指出，采用双目相机或深度相机的无人驾驶场景往往需要面对成本高、计算量大以及建图效率低的问题：首先，应用到无人驾驶场景中的双目相机与深度相机往往为工业级的，其体积较大，价格也较高；其次，对于采用双目相机的无人驾驶小车而言，其配置的双目相机配置与标定均较为复杂，其深度量程和精度受双目的基线与分辨率限制，而且视差的计算非常消耗计算资源，往往需要使用GPU和FPGA设备加速后，才能实时输出整张图像的距离信息，其计算量非常庞大，深度相机虽从其感应原理上解决了深度问题，以物理手段直接获得深度信息，但其图像信息量仍然非常大，且通过双目相机与深度相机采集环境图像、应用SLAM技术进行定位与同步建图时，往往由相机采集到的图像结合深度信息，进一步处理之后就可以得到三维点云数据，采用稠密建图形式实现二维到三维的重构，其稠密建图过程不仅需求庞大的存储空间，还需求巨量的计算力，其建图过程计算量巨大，建图效率也非常低下。

而采用单目相机的无人驾驶场景，其使用的单目相机体积小，造价低，能在一定程度上解决上述采用双目相机与深度相机而衍生的成本高、应用受限的问题；但不可避免的是，单目相机成像具有深度与尺度不确定性，因此搭载单目相机的无人驾驶小车/无人驾驶平台必须更换角度为多个位置观测同一目标，即多角度成像，其对图像的处理同样非常复杂，上述建图过程中的计算量巨大与建图效率低的问题都存在。

综上，现有的视觉SLAM技术应用到具体场景中无论采用单目相机、双目相机还是深度相机，均无法同时解决成本高、计算量大以及建图效率低的问题，亟需本领域技术人员就此问题提出行之有效的解决方案。

发明内容

为解决上述问题，本发明的目的在于提供一种单目相机成像半稠密建图方法、存储介质及装置，相较于传统的稠密建图方法，该方法能以更轻量化的计算，取得更快更高效的建图效果。

为实现上述目的，本发明的技术方案如下：

一种单目相机成像半稠密建图方法，该方法为：

S1：筛选关键帧：从单目相机的成像中逐步筛选出关键帧，得到关键帧集合；

S2：信息处理：处理关键帧集合中的图像信息，得到像素逆深度信息；