[发明专利]一种基于改进DSO的动态环境地图构建方法

说明书

本发明提出了一种基于改进DSO的动态环境地图构建方法，包括以下步骤：S1，图像数据采集：图像采集，并转换为环境地图构建系统的输入格式；S2，梯度点提取：使用DSO中原始的梯度点检测算法对梯度点进行检测；S3，动态目标检测：利用YOLO网络对图像中的动态目标进行检测和识别；S4，梯度点筛选：根据检测结果对梯度点进行筛选，然后去除产生运动的梯度点，得到静止梯度点集；S5，前端跟踪：使用DSO中原始的跟踪算法对所述静止梯度点集进行跟踪；S6，后端优化：使用DSO中原始的优化算法根据多组图像对所述相机位置与姿态进行优化；S7，地图构建：使用DSO原始的地图构建算法进行地图构建。本发明能适用于复杂环境条件下且能快速完成地图构建。

技术领域

本发明涉及动态环境地图构建领域，特别是涉及一种基于改进DSO的动态环境地图构建方法。

背景技术

DSO(Direct Sparse Odometry)是一个视觉SLAM的里程计算法。与传统的特征点法不同，DSO使用最小化光度误差求解相机的运动和地图的坐标点，使得相机的位姿计算和地图的坐标求解全部放在了一个优化函数中求解。而特征点法使用最小化重投影误差对相机的运动进行求解，之后再对地图的数据进行计算，这两种数据的关联是分开的。因此在同等精度下DSO有着特征点法的5倍速度，可以满足实时性要求较高的系统。

现有的基于DSO地图构建方法，难以适应复杂环境的应用需求，特别是针对存在大量动态目标的复杂环境中，构建的地图噪音过多，特征不明细。其主要原因在于，在实际应用中，光照条件、不同速度移动的目标对特征提取算法的影响和干扰较大，从而在很大程度上影响了特征点的提取和匹配效果，从而对后续的构图质量造成了较大的影响。但是作为一种最广泛和最自然的地图构建技术，DSO构图被广泛应用于复杂环境条件下的地图构建、环境感知、目标识别等领域，其要求构图系统具有在各种环境条件下仍然具有稳定的构图性能。因此，如何解决复杂动态环境下的DSO快速构图或是在建图中去除动态目标的干扰问题已经成为当今构图识别技术的一个亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种基于改进DSO的动态环境地图构建方法。

为了实现本发明的上述目的，本发明提供了一种基于改进DSO的动态环境地图构建方法，包括以下步骤：

S1，图像数据采集：根据构建地图的环境选择相机完成图像采集，保证采集图像中环境的特征明显，不能有较大的重影。能否拍摄清晰的照片通常与相机的快门速度，相机运动的速度，拍摄光线相关，因此，需要根据环境挑选合适的相机从而获得清晰图像。并转换为环境地图构建系统的输入格式；

S2，梯度点提取：使用DSO中原始的梯度点检测算法对梯度点进行检测；

即提取采集图像中梯度较大像素点，所述梯度较大的像素点即对图像分成若干块，对各个块内的像素求梯度平均值，若梯度值大于所述块的梯度平均值，则称为较大像素点。

S3，动态目标检测：利用YOLO网络对图像中的动态目标进行检测和识别；

S4，梯度点筛选：根据S3得到的动态目标检测结果对S2得到的梯度点进行筛选，然后去除在实际中产生运动的梯度点，得到静止梯度点集S；

S5，前端跟踪：使用DSO中原始的跟踪算法对所述静止梯度点集S进行跟踪，完成相机位置与姿态的计算；

S6，后端优化：使用DSO中原始的优化算法根据多组图像对所述相机位置与姿态进行优化；

S7，地图构建：使用DSO原始的地图构建算法进行地图构建，即将检测出的图像梯度点变换至统一的坐标系中。

进一步地，所述格式转换包括以下步骤：

S11，若采集的数据为视频格式，将视频分帧，然后转换为图片格式保存；若采集的数据为图像，则直接转换为图片格式保存；