[发明专利]视觉里程计的测量方法及视觉里程计

说明书

本发明提供一种视觉里程计的测量方法及视觉里程计，所述视觉里程计的测量方法包括以下步骤：获取拍摄对象的图像序列；测量载体的角速度与加速度；采用ORB算法，从所述图像序列中并选取多个关键帧；采用非线性数值优化方法，对多个关键帧之间的重投影误差以及载体的运动模型误差进行优化操作，计算得到所述重投影误差及所述运动模型误差之和为最小值对应的载体的姿态信息，并进行实时的三维重建。本发明提供的视觉里程计的测量方法及视觉里程计，采用非线性数值优化方法对系统运动状态进行优化，有利于准确的估计出载体自身的位姿，并能够实时进行场景三维地图的重建。

技术领域

本发明涉及机器人定位与导航技术领域，尤其涉及一种视觉里程计的测量方法及视觉里程计。

背景技术

本部分旨在为权利要求书中陈述的本发明的具体实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着机器人技术的不断发展，传统的机器人构建环境地图并确定位姿的方法难以满足机器人计算速度及精准度的需求。MSCKF是一种非常经典的单目视觉与IMU(Inertialmeasurement unit，惯性测量单元)融合的算法，其通过利用卡尔曼滤波器(KF，KalmanFilter)的方法进行多传感器融合。MSCKF把视觉中的图像特征信息加入系统需要估计的特征向量之中。

这种基于滤波器的方法只能在小的场景的情况下使用，对于大的地图场景会因为特征向量的维度过大导致计算时间的急剧上升，从而不能保证实时性，更致命的是，对于长时间的运动，该方法由于误差的累积会导致状态不确定度的上升，从而也就导致了该方法的准确性与鲁棒性均不强。

发明内容

有鉴于此，本发明提供一种有利于提高计算准确性、快速性及鲁棒性的视觉里程计的测量方法，本发明还提供一种视觉里程计。

一种视觉里程计的测量方法，包括以下步骤：

获取拍摄对象的图像序列；

测量载体的角速度与加速度；

采用ORB算法，从所述图像序列中选取多个关键帧；及

采用非线性数值优化方法，对多个关键帧之间的重投影误差以及载体的运动模型误差进行优化操作，计算得到所述重投影误差及所述运动模型误差之和为最小值对应的载体的姿态信息，并进行实时的三维重建。

进一步地，所述图像序列中的每帧图像包括彩色图像及深度图像，所述采用ORB算法，从所述图像序列中选取多个关键帧，包括：

在所述图像序列中选取一关键帧；

对每帧图像中的彩色图像进行灰度化处理并得到对应的灰度图像；

采用ORB算法提取在前关键帧及当前帧的灰度图像及深度图像中的特征点并进行特征匹配；及

采用ICP算法，根据匹配好的特征点计算得到所述在前关键帧与所述当前帧之间的齐次变换矩阵及图像相似度值，若所述图像相似度值位于预设范围内，则确定所述当前帧为关键帧。

进一步地，根据相邻关键帧之间的齐次变换矩阵估计对应的重投影误差；

通过对所述关键帧对应的角速度与加速度数据进行预积分得到载体的运动模型误差。

进一步地，所述非线性数值优化方法为列文伯格-马尔夸特非线性拟合法。

进一步地，视觉里程计的测量方法还包括系统初始化，所述系统初始化包括以下步骤：

获取拍摄对象的图像序列；

测量载体的角速度与加速度；

采用ORB算法，对相邻两帧图像进行特征提取与匹配；