[发明专利]一种基于单目相机的半稠密点云地图构建方法

说明书

本发明公开了一种基于单目相机的半稠密点云地图构建方法，包括关键帧图像判别模块、匹配图像块提取模块、单应矩阵计算模块、特征点对应关系计算模块、三角化计算模块、三维空间点夹角计算模块、相机坐标系半稠密点云地图模块、全局地图模块，以单目相机所获取的、以时序排列的图像序列为输入，以全局地图为输出，构建半稠密点云地图模型，应用半稠密点云地图模型，完成世界坐标系下全局地图的构建，本方法构建的半稠密点云地图模型基于单目相机，相比于双目相机成本低，且不易受到光照影响，所构建的地图不易出现偏差。

技术领域

本发明涉及图像处理领域，具体涉及一种基于单目相机的半稠密点云地图构建方法。

背景技术

稠密点云地图在机器人运动、无人驾驶等领域都有着重要的应用。在传统的稠密和半稠密点云地图构建中，一般使用的都是RGB-D相机或者双目相机，相比于单目相机，价格更加昂贵。在单目相机的地图构建中往往稀疏地图较多，地图信息量少，不利于机器人或者无人机开展导航工作。现有的单目相机构建稠密地图通常使用直接法或者传统光流法，特别容易受到光照影响，造成地图构建出现偏差。

发明内容

本发明的目的：在于提供一种基于单目相机的半稠密点云地图构建方法，通过构建半稠密点云地图模型，并应用半稠密点云地图模型，完成世界坐标系下全局地图的构建。

为实现以上功能，本发明设计一种基于单目相机的半稠密点云地图构建方法，按预设周期执行步骤S1-S9，获得半稠密点云地图模型，然后应用半稠密点云地图模型，完成世界坐标系下预设目标场景的全局地图的构建；

S1.针对预设目标场景，以沿预设轨迹移动的单目相机获取预设目标场景的图像，以单目相机所获取的、以时序排列的图像序列为输入，基于ORB-SLAM2算法判别图像序列中的各关键帧图像，构建以时序排列的关键帧图像集合，以关键帧图像集合、各关键帧图像分别所对应的变换矩阵为输出，构建关键帧图像判别模块；

S2.以关键帧图像集合中一个关键帧图像后的第2帧关键帧图像为关键帧图像的参考帧图像，其中i为关键帧图像集合中各关键帧图像的编号，t_i为关键帧图像集合中第i个关键帧图像的时刻，以各关键帧图像、以及各关键帧图像分别所对应的参考帧图像为输入，基于ORB-SLAM2算法，分别针对各关键帧图像，针对各关键帧图像及其所对应参考帧图像进行ORB特征点提取和匹配，根据匹配成功的各特征点的像素位置，构建匹配图像块，以各匹配图像块为输出，构建匹配图像块提取模块；

S3.以匹配图像块为输入，基于匹配图像块中匹配成功的各特征点分别对应的各三维空间点，根据单应矩阵计算，以各关键帧图像及其分别所对应的参考帧图像之间的旋转矩阵、平移向量为输出，构建单应矩阵计算模块；

S4.以匹配图像块提取模块输出的各匹配图像块为输入，基于匹配图像块中匹配成功的各特征点的像素位置，采用RAFT流光法，计算各关键帧图像中匹配成功的各特征点的像素位置分别相对于其所对应的各参考帧图像中匹配成功的各特征点的像素位置的横坐标偏移量、纵坐标偏移量，以各横坐标偏移量、纵坐标偏移量所构成的矩阵为输出，构建特征点对应关系计算模块；

S5.以单应矩阵计算模块输出的各关键帧图像及其所对应的参考帧图像之间的旋转矩阵、平移向量为输入，基于三角化算法，以各三维空间点映射在各关键帧图像归一化平面中的位置、深度，以及该三维空间点映射在各参考帧图像归一化平面中的位置、深度为输出，构建三角化计算模块；

S6.基于各三维空间点所对应的预设场景的高度值，以高度值小于预设上限值、且高度值大于预设下限值的三维空间点映射在各关键帧图像归一化平面中的位置、各三维空间点映射在各参考帧图像归一化平面中的位置为输入，基于对各三维空间点映射在各关键帧图像归一化平面中的位置到各关键帧图像光心的向量、与各三维空间点映射在各参考帧图像归一化平面中的位置到各参考帧图像光心的向量的夹角计算，以高于预设下限阈值的夹角为输出，构建三维空间点夹角计算模块；