[发明专利]一种在视觉SLAM前端去除动态特征点的方法

权利要求书

1.一种在视觉SLAM前端去除动态特征点的方法，其特征在于，包括如下步骤：

Step1：使用深度相机获取彩色和深度图像，对采集到的RGB图像均匀化提取ORB特征点，并使用目标检测算法获取边界框检测结果；

Step2：将边界框检测结果分类，分为动态物体和静态物体并对其建立集合，筛选出仅存在于动态物体检测框内的特征点并剔除；

Step3：计算剩余特征点相邻帧间场景流，根据场景流计算结果筛选出剩余动态特征点并剔除；

Step4：利用剩下的静态特征点进行特征匹配，得到最佳匹配特征点并进行相机位姿估计，得到准确的相机运动结果，从而实现准确的面向动态场景下的视觉SLAM。

2.根据权利要求1所述的一种在视觉SLAM前端去除动态特征点的方法，其特征在于，Step1中，均匀化提取ORB特征点的方法如下：首先构建图像金字塔模型，即对原始的RGB图像用高斯卷积核进行高斯模糊处理，然后对其进行降采样，依次将原始的RGB图像分成若干个层，在各个层上进行FAST角点的提取，然后计算图像金字塔每层需要提取的特征点数量N_α，公式如下：

式(1)中，N代表设置的各层的总特征点数量，α代表当前层数，s代表图像金字塔各层的图像的缩放因子，l代表图像金字塔总层数，其次对构建的图像金字塔每一层都均匀的划分出30×30像素的格子，单独对每个格子提取FAST角点，如果有格子提取不到FAST角点则降低FAST阈值，从而保证一些纹理较弱的区域也可以提取到FAST角点；最后对于提取到的大量FAST角点，使用基于四叉树的方法，均匀的选取N_α个FAST角点。

3.根据权利要求1所述的一种在视觉SLAM前端去除动态特征点的方法，其特征在于，Step1中，目标检测算法包括以下内容：当获取到深度相机采集到的RGB图像后，使用YOLOv5网络模型对输入的RBG图像进行目标检测，在YOLOv5网络模型中新增Focus结构对RBG图像进行切片操作，输入一个3×608×608像素的RBG图像，经过切片操作后，变成12×304×304像素的特征图，最后使用32个卷积核进行一次卷积，变成32×304×304像素的特征图；YOLOv5网络模型在Backbone和Neck中使用了两种不同的CSP；在Backbone中，使用带有残差结构的CSP1_X，在Neck中使用CSP2_X，将YOLOv5网络模型的主干网络的输出分成了两个分支，后将其concat，使YOLOv5网络对输入图像的特征的融合能力得到加强，使其输出带有边界框检测结果的边界框位置以及顶点坐标，以便于后续对提取的特征点进行分类。

4.根据权利要求1所述的一种在视觉SLAM前端去除动态特征点的方法，其特征在于，Step2中，剔除动态特征点的方法如下：

将边界框检测结果按照动态物体和静态物体分类，假设输入YOLOv5网络模型的第N帧RGB图像的动态物体像素点集合为：静态物体像素点集合为其中为第N帧图像中的动态物体检测框，即边界框内的第i个像素点，为第N帧图像中的静态物体检测框内的第j个像素点；第N帧图像中提取到的特征点集合为其中为第N帧图像中的第k个特征点；若且则判断该特征点为动态特征点并从集合中删除。

5.根据权利要求1所述的一种在视觉SLAM前端去除动态特征点的方法，其特征在于，Step3中，剩余特征点相邻帧间场景流的计算方法如下：

对相邻两帧图像，根据Step1方法提取出特征点，并进行特征匹配，记录匹配成功的特征点并标记该特征点在前后两帧图像中的位置；

根据匹配的前后两帧RGB图像中特征点位置，在depth图中找到同一特征点的深度值，记当前帧特征点三维坐标为(x_c，y_c，z_c)，与之匹配的前一帧图像特征点三维坐标为(x_p，y_p，z_p)，则特征点在当前帧与上一帧的三维位置变化即场景流为：