[发明专利]一种适用于动态环境的建图方法

说明书

本发明公开了一种适用于动态环境的建图方法，包括以下步骤：获取动态帧数据；将所述动态帧数据输入至神经网络模型进行特征提取，得到先验知识；根据所述先验知识对所述动态帧数据进行特征点筛选，保留静态特征点；根据所述静态特征点进行建图；本发明通过先验知识筛选静态特征点，过滤掉动态物体，并由静态特征实现的建图，进而避免了动态环境中的动态物带来的误差，提高了建图效果。

技术领域

本发明涉及计算机视觉技术领域，更具体的说是涉及一种动态环境的建图方法。

背景技术

视觉slam在建图过程中假设周围为静态环境，然而现实场景下环境中有着大量的动态物体，如移动的车辆、自行车和行人等。这些动态物体导致了错误的对极约束，使得视觉slam在动态环境下建图效果较差。

因此，如何提供一种适用于动态环境的建图方法能够降低户外动态环境下的建图误差，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种适用于动态环境的建图方法，通过先验知识筛选静态特征点，过滤掉动态物体，并由静态特征实现建图，进而避免了动态环境中的动态物带来的误差，提高了建图效果。

为了实现上述目的，本发明采用如下技术方案：

一种适用于动态环境的建图方法，包括以下步骤：

获取动态帧数据；

将所述动态帧数据输入至神经网络模型进行特征提取，得到先验知识；

根据所述先验知识对所述动态帧数据进行特征点筛选，保留静态特征点；

根据所述静态特征点进行建图。

进一步的，所述先验知识包括动态物体数量、动态物体画面占比以及每个动态物体的范围标记和坐标信息。

进一步的，所述特征点筛选，步骤包括：

所述范围标记内的当前特征点，根据当前帧先验动态物画面占比进行二次判断，筛选得到静态特征点。

进一步的，所述二次判断，具体为：

设置第一阈值和第二阈值；

当前帧先验动态物画面占比小于第一阈值且当前帧先验动态物体数量小于第二阈值时，所述标记范围内的特征在所述动态帧数据中建立当前特征点，

获取当前特征点，并判断所述当前特征点是否位于先验动态物体的范围标记内，将不位于所述范围标记内的当前特征点认为是静态特征点，否则通过几何方法进行三次判断。

进一步的，通过几何方法进行三次判断，具体为：

在所述范围标记的外围选取一层元素设为膨胀层；

当膨胀层内无特征点时，判定所述标记范围内的特征点为静态层；

当膨胀层内有特征点时，将当前帧的所述范围标记内的特征点和所述膨胀层的特征点与上一帧进行匹配，通过对极几何计算本质矩阵，并根据所述本质矩阵筛选静态特征点。

进一步的，根据所述本质矩阵筛选静态特征点，具体为：

计算本质矩阵的无穷范数，其中，本质矩阵包括范围标记本质矩阵E₁和膨胀层本质矩阵E₂；

计算范围标记本质矩阵E₁的无穷范数L₁与膨胀层本质矩阵E₂的无穷范数L₂的比值r：

根据所述比值r，筛选静态特征点。

进一步的，根据所述比值r，筛选静态特征点，具体为：