[发明专利]一种基于全景环带相机的视觉SLAM方法及系统

权利要求书

1.一种基于全景环带相机的视觉SLAM方法，其特征在于，包括以下步骤：

S1、对全景环带相机采集的全景环带视觉图像进行角点提取，得到初始角点集；

S2、对初始角点集的各角点进行角点质量评价，根据角点质量评价结果筛选得到所需数量的目标角点；

S3、根据惯性测量单元测量的全景环带相机的运动信息，确定角点在像面上移动的目标距离；

S4、根据目标角点移动目标距离对应的位置在下一帧全景环带视觉图像中利用光流法或直接法搜索相同的角点；

S5、基于下一帧全景环带视觉图像中搜索得到的角点，利用对极几何约束求解全景环带相机的位姿信息；

S6、根据所有帧的全景环带视觉图像的位姿信息，确定定位信息。

2.根据权利要求1所述的一种基于全景环带相机的视觉SLAM方法，其特征在于，所述步骤S1之前，还包括以下步骤：

S0、对全景环带相机采集的全景环带视觉图像进行直方图均衡化。

3.根据权利要求1所述的一种基于全景环带相机的视觉SLAM方法，其特征在于，所述步骤S1中，采用Shi-Tomasi角点检测算法进行角点提取。

4.根据权利要求3所述的一种基于全景环带相机的视觉SLAM方法，其特征在于，所述Shi-Tomasi角点检测算法，包括：

假设全景环带视觉图像中选取的窗口内的像素点(x,y)对应的像素灰度值为I(x,y)，若窗口在x和y方向分别产生微小的移动u和v，则等效于像素点(x,y)移动至(x+u,y+v)处，其像素灰度值为I(x+u,y+v)，则窗口移动引起的灰度值变化为[I(x+u,y+v)-I(x,y)]；

以像素点至图像中心点的距离r为权重，则窗口移动引起的灰度值变化的加权求和E(u，v)＝∑_(x，y)r×[I(x+u，y+v)-I(x，y)]²；

对加权求和公式利用泰勒公式展开，将I(x+u,y+v)表示为I(x+u，y+v)＝I(x，y)+uI_x+vI_y，其中，由此得到：

将u和v提取出来，得到：其中，矩阵M为：

R为对角化处理之后得到的正交矩阵，R^-1为R的逆矩阵，λ₁和λ₂为对角化处理之后的特征值；

取λ₁和λ₂中的较小值，并判断较小值是否大于预设阈值，若是，则将相应的像素点作为角点。

5.根据权利要求4所述的一种基于全景环带相机的视觉SLAM方法，其特征在于，所述步骤S2中，对初始角点集的各角点进行角点质量评价，包括：

以所选角点为中心、半径为3的圆上进行16个像素点与所选角点的像素值做差得到像素差；

若16个像素点中存在连续n个像素点对应的像素差的绝对值均超过目标阈值，记为FAST-n；

根据n的个数划分数个等级并赋予相应的分值，n越大对应的分值越高；相应地，所选角点的质量评价分数为m为所选角点赋予的分值；

根据角点的质量评价分数对各角点从高到低或从低到高排序，得到角点质量评价结果；

基于角点质量评价结果，根据质量评价分数从高到低筛选得到所需数量的目标角点。

6.根据权利要求5所述的一种基于全景环带相机的视觉SLAM方法，其特征在于，所述步骤S3中，全景环带相机的运动信息包括x方向移动距离l_x和y方向移动距离l_y；

设全景环带相机的视场角最小为θ₁、视场角最大为θ₂、中心视场的盲区半径为r₀，边缘视场的点在像面上移动距离为l，则不同视场角物体在像面上的移动距离为其中，θ为实际视场角；

已知边缘视场在空间和在像面上的移动距离的比值为w，则像面上边缘点移动的目标距离在x方向和y方向上分别为wx和wy，其他视场角的点移动的目标距离分别为和