[发明专利]双视觉里程计约束的RGB-D SLAM位姿优化方法

说明书

本发明涉及同步定位与地图构建技术领域，尤其涉及一种双视觉里程计约束的RGB‑D SLAM位姿优化方法，在传统的RGB‑D SLAM技术上加以改进，基于ORB特征点匹配计算构建第一视觉里程计，基于点云数据配准方法构建第二视觉里程计，通过双视觉里程计增加后端图优化约束条件，从而能在不影响RGB‑D SLAM正常运行速度下，对系统运行产生的漂移进行有效修正，同时利用局部优化能够更好的提高地图构建的精度，并且由于本发明中基于ORB特征点的视觉里程计是对影像中所有的帧进行优化，能够减少由于前期误差的叠加对后续帧定位与建图的影响。

技术领域

本发明涉及同步定位与地图构建技术领域，尤其涉及一种双视觉里程计约束的RGB-D SLAM位姿优化方法。

背景技术

近年来，依靠自身传感器实现实时的定位与追踪的同步定位与地图构建(Simultaneous localization and mapping,SLAM)技术发展迅猛，被广泛应用于机器人导航、自动驾驶等机器视觉领域。

根据传感器数量与类型的不同，视觉SLAM可以分为单目SLAM、双目SALM及RGB-DSLAM。Raulmur博士于2015年提出的ORB-SLAM算法是目前单目SLAM中效果最佳的方案，其后发布的ORB-SLAM2系统能够兼容单目、双目及RGB-D传感器使用并实时构建半稠密地图。ORB-SLAM方法主要基于图像ORB特征点进行匹配、追踪及位姿变换关系计算，但图像间变化过大时会导致位姿矩阵计算存在较大误差，从而影响后续定位与建图。现有RGB-D_SLAM技术主要目的在于构建稠密的三维点云地图，其定位与追踪的功能仍是基于RGB图像的匹配计算；部分RGB-D SLAM技术利用图像上特征点的深度信息辅助光束法平差来优化位姿，但其精度仍然由单目SLAM提取的ORB特征点匹配精度决定，现有RGB-D SLAM技术没有很好的利用深度相机提供的深度数据来提高定位与追踪的精度。

发明内容

本发明的目的在于提供一种双视觉里程计约束的RGB-D SLAM位姿优化方法，旨在解决现有的同步定位与地图方法无法同时兼顾速度和精度，位姿数据提供效率不高的技术问题。

为实现上述目的，本发明提供了一种双视觉里程计约束的RGB-D SLAM位姿优化方法，包括下列步骤：

对RGB-D传感器进行标定，获得RGB相机与深度相机的内参数和相对外参数；

使用标定后的RGB-D传感器获取RGB图像和深度图像，并设置RGB-DSLAM系统参数；

选定初始帧，并将所述初始帧设置为地图的零点坐标；

构建第一视觉里程计，获取每一帧图像的初始位姿矩阵；

构建第二视觉里程计，获取约束矩阵；

基于双视觉里程计的位姿图优化；

回环检测及闭环矫正；

进行全局优化提高位姿精度；

完成地图构建。

其中，在对RGB-D传感器进行标定，获得RGB相机与深度相机的内参数和相对外参数的过程中，使用张正友标定法对RGB-D传感器进行标定，所述内参数包括相机的主点、焦距和畸变参数，所述相对外参数通过RGB相机与深度相机的相对关系标定获取。

其中，通过RGB相机与深度相机同步采集获取RGB图像和深度图像，RGB-D SLAM系统参数包括特征点数量、尺度因子和图像获取频率。

其中，所述初始帧为RGB图像和深度图像的第一帧，在设置为地图的零点坐标的同时提取图像特征点用于下一帧匹配计算。

其中，所述第一视觉里程计基于ORB特征点匹配计算构建，通过对RGB图像进行ORB特征特征提取后匹配计算获得初始位姿矩阵。