[发明专利]一种基于全景环带相机的视觉SLAM方法及系统

说明书

本发明涉及一种基于全景环带相机的视觉SLAM方法及系统，方法包括：S1、对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。本发明实现鲁棒、可靠地估计自身的定位。

技术领域

本发明属于视觉SLAM处理技术领域，具体涉及一种基于全景环带相机的视觉SLAM方法及系统。

背景技术

随着人工智能技术的应用越来越广泛，越来越多的工业利用机器人自主进行各项作业，这对机器人的自主定位和导航提出了更高的要求。传统的导航技术主要依赖于北斗、GPS等定位方式，但这些定位方式的精度存在缺陷，无法解决需要精确到米、甚至厘米的定位问题。对于这种精确定位，需要同步定位与地图构建(Simultaneous Localization andMapping，SLAM)技术的支撑。具体来说，SLAM是指搭载传感器的主体，在没有环境先验信息的情况下，利用传感器带有噪声的数据，在运动过程中建立环境的模型，同时估计自身的位姿信息。根据所搭载传感器的类型不同，SLAM可分为激光和视觉两大类，其中视觉SLAM由于相机成本低廉、信息量丰富，受到研究者青睐，目前已普遍搭载于各类消费产品中，例如智能手机。

近年来，随着ORB-SLAM，DSO、SVO等视觉SLAM算法的开发，视觉SLAM得到了广泛的关注和长足的发展，并逐渐为各种人工智能应用赋能。目前，在纹理特征充足、由静态物体组成的场景中，且相机运动不剧烈时，现有的视觉SLAM技术已能满足日常应用。

现有的视觉SLAM在实际应用中的环境可能与理想情况相差甚远，比如视觉SLAM在运行过程中难免会遇到一些弱纹理区域，如白色墙面，在这些区域无法提取到充足的特征，使得特征跟踪难以继续；当行人、车辆等运动物体充斥在相机的视野内时，也会很大概率出现错误的三维建模；在一些应用场景，如手持/头戴式AR设备，用户由于使用过程中存在的快速转动，会使得相机拍摄到的相邻帧图像间的重叠区域快速减少，使得位姿估计的结果不再可靠。究其原因，很大程度在于SLAM所采用的相机视场(Field of View，FOV)的限制，目前主流的视觉SLAM算法大多依托于传统的有限视场的针孔相机，视场角大约在60°到120°。狭窄的视场使得它们在提取不到足够的特征时，无法捕获纹理更加丰富的区域；当环境并非完全静态时，面对其中的运动物体容易捕获不到；当相机快速旋转时，无法在前后帧图像之间保持有效的数据关联。另外，有限的相机视场极大程度的限制了现有的视觉SLAM系统在实际应用中的性能。为了扩大视场，目前较为成熟的方案是使用鱼眼镜头，但是会引入较大的负畸变，严重压缩边缘图像，导致边缘视场的径向分辨率远不如中心视场，大大影响视觉SLAM应用中的位姿估计和三维结构恢复的精度。而且，鱼眼镜头结构复杂，通常需要采用大于10片的透镜以及诸如超高折射率、超低色散透镜等高质量的光学材料，成本颇高。

全景环带镜头(Panoramic Annular Lens，PAL)在边缘视场的F-Theta畸变控制的更好，不会压缩边缘视场的分辨率，像面的相对照度更加均匀；但是，传统的针对鱼眼模型的处理流程受限于鱼眼相机边缘相当大的畸变，并不能直接移植到全景环带相机模型上来，因为这会导致无法有效利用全景环带相机良好的边缘视场。

发明内容

基于现有技术中存在的上述缺点和不足，本发明的目的之一是至少解决现有技术中存在的上述问题之一或多个，换言之，本发明的目的之一是提供满足前述需求之一或多个的一种基于全景环带相机的视觉SLAM方法及系统。

为了达到上述发明目的，本发明采用以下技术方案：

一种基于全景环带相机的视觉SLAM方法，包括以下步骤：