[发明专利]一种低纹理环境下基于点线特征的视觉SLAM方法

说明书

一种低纹理环境下基于点线特征的视觉SLAM方法，涉及计算机视觉技术领域。本发明在ORB‑SLAM2系统上进行扩展，提取图像中的点特征和线特征，在普通的线特征基础上筛选出建筑结构线特征，得到点特征和建筑结构线特征；利用点特征和建筑结构线特征进行特征匹配，使用RANSAC算法剔除误匹配对；根据相邻帧推导出的重投影误差模型估计相机位姿；顺次执行后端优化与回环检测线程，从而提高系统在低纹理场景中的稳定性和鲁棒性，最终实现面向低纹理环境下的基于点线特征的视觉SLAM方法。

技术领域：

本发明涉及计算机视觉技术领域，更具体地说，涉及一种低纹理环境下基于点线特征的视觉SLAM方法。

背景技术：

同时定位与建图(Simultaneous Localization And Mapping，SLAM)是指在未知环境和不确定自身位置条件下，通过传感器获取数据估计自身位姿和建图，视觉SLAM采用摄像头作为传感器获取环境中丰富的几何、纹理、颜色等信息，通过捕捉图像中的特征信息进行定位和建图，作为移动机器人完成智能化任务的先决条件，视觉SLAM技术已经成为机器人领域的研究热点。

虽然目前发展出了许多成熟的视觉SLAM系统，但在实际应用中仍面临诸多问题，导致视觉SLAM技术难以做到真正普及；例如，目前大部分视觉SLAM算法都使用点特征进行跟踪匹配，使得图像中丰富的直线信息没有得到充分的利用，当相机处于纹理缺失的环境中(例如空旷的屋子和走廊等)，点特征的数量会急剧下降且分布不均匀，导致相机跟踪失败，或者由于没有足够的特征匹配对，出现无法进行位姿估计和定位的问题。

相比于点特征，线特征是一种更高层次的特征，线特征不仅对光照和视角变化具有更强的鲁棒性，而且能够更加直观的表达场景的几何信息，在特征点缺少的低纹理环境中，线特征能提升系统的稳定性和鲁棒性。

发明内容：

本发明的目的是针对上述技术的不足，提供一种低纹理环境下基于点线特征视觉SLAM方法，这种方法能够提升系统在低纹理环境中的稳定性和鲁棒性。

实现本发明目的的技术方案是：

一种低纹理环境下基于点线特征的视觉SLAM方法，步骤如下：

步骤(1)通过提取图像中的点特征和线特征，在普通的线特征基础上筛选出建筑结构线特征，得到点特征和建筑结构线特征；

步骤(2)根据利用点特征和建筑结构线特征进行特征匹配，使用RANSAC算法剔除误匹配对；

步骤(3)根据相邻帧推导出的重投影误差模型估计相机位姿；

步骤(4)顺次执行后端优化与回环检测线程，从而提高系统在低纹理场景中的稳定性和鲁棒性，最终实现面向低纹理场景的基于基于点线特征的视觉SLAM方法。

优选的是，本发明步骤(1)的具体方法如下：首先提取图像中的ORB点特征和LSD线特征，并计算特征的二进制描述子，然后在普通的线特征基础上，筛选出符合曼哈顿世界主方向的建筑结构线特征。

优选的是，在线特征筛选阶段，本方法通过消失点计算曼哈顿世界的主导方向，筛选普通线特征中与主导方向一致的结构线特征；在三维立体空间中，一组平行的直线不会相交，或者可以说相交于同一无穷远点，该无穷远点在相机的透视投影作用下可能会在图像平面中成像，成像点称为消失点，一个主导方向上的所有建筑结构线条可以用一个消失点确定方向，将线段中点与每一个消失点分别连接，得到相应的参考直线，若线段与某一条参考直线距离相近，认为这条线段属于此消失点，同时属于此消失点对应的主导方向。

优选的是，本发明步骤(2)的具体方法如下：利用提取图像的ORB点特征和LSD线特征的描述子，首先使用描述子进行特征匹配，然后在此基础上利用RANSAC算法进行误匹配剔除。