[发明专利]一种ORB-SLAM算法中图像匹配相关性改进方法

摘要

本发明公开了一种ORB‑SLAM算法中图像匹配相关性改进方法，首先对提取的关键帧进行降采样处理，以提高数据处理速度。然后利用关键帧间的共视关系，使用对极几何原理，计算关键帧之间的对应极线，并使用逆深度高斯方法估计极线取值范围。最后进行去均值NCC匹配。本发明的有益效果在于，针对半稠密ORB‑SLAM算法得到的半稠密地图中特征点误匹配较多的问题，在半稠密ORB‑SLAM极线搜索匹配中，加入去均值NCC，增强特征点匹配的准确性。该方法适用于各种复杂的大场景环境，具有更高的定位精度和实时性。经实验验证，本发明算法在室内定位精度最小可达到2mm，定位精度与原作者相比较，平均提高了7％，实时性也有所提高。

主权项

1.一种ORB‑SLAM算法中图像匹配相关性改进方法，其特征在于，包括步骤一：关键帧提取与降采样：利用ORB‑SLAM的关键帧提取方法，对视频流进行关键帧的筛选，筛选得到的关键帧的集合记作K＝{K_i}，i＝1，2，…，m，其中m<v且关键帧集合和I_O满足K∈I_O且对每个关键帧K_i进行步长为n降采样，即其中表示关键帧K_i上的像素坐标；把经过降采样的关键帧集合记作k＝{k_i}；步骤二：图像极线求取，包括选择关键帧ki中像素梯度大于经验阈值λG的像素值f(XPi)在关键帧kj中进行极线搜索，其中j＝2，3，…，m；在关键帧k_j中利用基础矩阵F_ji计算k_i中像素点对应的极线，其中表示在关键帧k_j中的图像坐标矩阵的转置，包含齐次像素坐标[x y 1]^T，X_Pi表示关键帧k_i中的图像坐标，I_j表示在关键帧k_j上的极线；步骤三：去均值NCC匹配，包括遍历关键帧k_i中每个像素位置其中t＝0,1,2,…,w，其中w表示关键帧k_i像素总的像素位置；计算以像素位置为中心，半径为N个像素单位的像素位置范围内的像素的平均值，记作按照满足所有如下要求，选择每个对应的关键帧k_j极线上的像素的位置：的梯度值大于λ_G；处的像素梯度方向不与极线方向垂直，其中Θ_L是考虑了正向和反向的极线的夹角，表示处的像素梯度方向，Θ_L表示极线的方向，λ_L表示像素梯度方向和极线方向夹角的差值，λ_L小于90；极线上的方向满足其中Δθ_j，i是关键帧k_i和k_j之间的旋转角，λ_θ表示角度差值，表示像素位置的夹角；在每个对应的关键帧k_j极线上，对于符合要求的每个像素位置计算以像素位置为中心，半径为N个像素单位的像素位置范围内的像素值的平均值，记作其中，计算关键帧k_j极线上的像素值，采用双线性差值的方法，包括令为关键帧k_j的极线上的点的坐标，对点坐标向下取整，在点周围选择与其最邻近的四个整数像素点，分别记为和计算点的像素值：其中f()表示该点的像素值，g(x₀，y₀)表示处的像素值；极线上NCC匹配，即其中，表示两点之间的相关性，取值范围为[‑1,1]。