[发明专利]巡检机器人视觉SLAM算法

说明书

本发明公开了一种巡检机器人视觉SLAM算法，其特征在于，它包括如下步骤：第一步，输入图像F；第二步，计算最大通道图Dmax、最小通道图Dmin；第三步，计算偏移补偿系数u；第四步，计算环境光N和大气光L；第五步，还原无雾图像P；第六步，判断图像去雾效果是都润足要求；第七步，若满足要求，则输出输出图像P，若不满足，则矫正去雾参数y。本发明可以提高机器人视觉SLAM算法在面对未知雾浓度环境时的定位及追踪性能，且算法可以检测无雾环境，在无雾环境下休眠以节约计算资源。

技术领域

本发明涉及一种巡检机器人视觉SLAM算法。

背景技术

在巡检机器人实际所处的工作环境中，烟雾的浓度是未知的，因此若采用基于大气散射模型的快速去雾算法，则需要人工根据实际情况不断调整去雾参数，否则将会出现图像失真严重或去雾效果不理想的情况，这将影响后续的视觉SLAM算法的定位追踪过程，导致系统鲁棒性降低。为解决该问题，实现去雾参数的自适应调整,针对巡检机器人的实际工作环境及视觉SLAM算法的需求，提出了一种应用于视觉SLAM的自适应图像去雾算法。

发明内容

为了解决上述问题，本发明提供一种巡检机器人视觉SLAM算法。

一种巡检机器人视觉SLAM算法，它包括如下步骤：

第一步，输入图像F；

第二步，计算最大通道图Dmax、最小通道图Dmin；

第三步，计算偏移补偿系数u；

第四步，计算环境光N和大气光L；

第五步，还原无雾图像P；

第六步，判断图像去雾效果是都润足要求

第七步，若满足要求，则输出输出图像P，若不满足，则矫正去雾参数y。

进一步的，第六步判断去雾图像P满足以下条件：

本发明的有益效果：

本发明提出了一种适用于视觉SLAM的自适应图像去雾算法。可以提高机器人视觉SLAM算法在面对未知雾浓度环境时的定位及追踪性能，且算法可以检测无雾环境，在无雾环境下休眠以节约计算资源。针对巡检机器人所面对的未知环境，提出一种自适应图像去雾算法；在去雾算法的基础上，对ORBSLAM2视觉SLAM算法进行改进。

附图说明

图1为本发明流程图；

图2为本发明的自适应去雾算法流程图。

图3为本发明改进SLAM算法基本框架。

具体实施方式

下面结合附图1-3对本发明做详细介绍：

针对巡检机器人实际所面对的未知雾环境，对基于大气散射模型的图像去雾算法进行改进，提出一种应用于ORBSLAM2的自适应图像去雾算法，与传统图像去雾算法进行对比仿真，证明所提出算法在面对未知雾浓度环境时具有更好的去雾效果，最后使用所提出的自适应去雾图像算法对ORBSLAM2算法进行改进，实验结果表明改进的ORBSLAM2在有烟雾遮挡环境下具有更好的鲁棒性。

一种巡检机器人视觉SLAM算法，它包括如下步骤：

第一步，输入图像F；

第二步，计算最大通道图Dmax、最小通道图Dmin；

第三步，计算偏移补偿系数u；

第四步，计算环境光N和大气光L；

第五步，还原无雾图像P；