CN114612525B 基于网格分割与双地图耦合的机器人rgb-d slam方法 （浙江工业大学）

基于网格分割与双地图耦合的机器人RGB-D一种基于网格分割与双地图耦合的RGB-D差得到相机位姿估计。结合相机位姿、RGB-D图帧上使用基于网格分割和八叉树地图光线遍历2步骤5：逐步构建场景的稀疏点云地图，在这一过程中结合八叉树地图进行双地图耦点的坐标对应关系由式(1)计算，在图像包含明确前景和背景且运动前景不占据画面的绝两帧图像的单应矩阵计算依赖两帧之间的对应点信息，由可能全部满足同一刚体透视变换，使用LMedS方法确定参与单应矩阵计算的内点，使用如式(3)，将变换后坐标和与实际对应坐标之间的像素距离作为所需的两帧之间的对应点信息，通过光流法求得；将第t帧中提取的ORB特征点利用Lucas-Kanade稀疏光流法向第t+1帧追3前向光流计算，根据对应点信息计算单应矩阵，对第t帧图像应用该单应变换得到补偿图反向光流过程中，由t+dt时刻的像素位置(x+dx,y+dy前向光流的光流矢量为式(6)，反向光流的光流矢量定义为该过程中原本光流失量的两个矢量的差值(x–xb,y-yb)表征了单应运动补偿对于相机自身运动引起的背景运动在计算t帧和t+1帧之间的反向光流场1的基础上，同理计算t帧和t+2帧之间的反向光2.如权利要求1所述的基于网格分割与双地图耦合的机器人RGB-DSLAM方法，其特征4区域与某聚类簇内的一个连通区域重合度高于设定的阈值ε,将动态区域周围属于同一聚3.如权利要求2所述的基于网格分割与双地图耦合的机器人RGB-DSLAM方法，其特征4.如权利要求3所述的基于网格分割与双地图耦合的机器人RGB-DSLAM方法，其特征55.如权利要求4所述的基于网格分割与双地图耦合的机器人RGB-DSLAM方法，其特征步骤5.2：使用运动分割生成的动态区域掩膜帮助稀疏点云地图筛选一部分动态地图相机位姿变换Tcw表示为旋转矩阵R和平移向量t，相机在世界坐标系中的坐标Pcam即为历得到的深度值与相机测量得到的深度值有大出入的地图点很可能在关键帧之间发生运z为RGB-D相机对深度的测量误差，Δt为位姿估计的误差，Δo为八叉树建模精6[0002]同时定位与地图构建(simultaneouslocalizationandmapping,SLAM)是移动[0003]现有的视觉SLAM系统大部分都假设场景为静态，并根据这一假设简化位姿估前后点的坐标对应关系由式(1)计算，在图像包含明确前景和背景且运动前景不占据画面7对不可能全部满足同一刚体透视变换，使用LMedS(LeastMedianofSquares)方法确定中I(x,y,t)表示t时刻(x,y)处的像素灰度，I(x+dx,y+dy,t+dt)表示t+dt时刻(x+dx,y+[0024]反向光流过程中，由t+dt时刻的像素位置(x+dx,y+dy)在经单应补偿的t时刻图[0025]前向光流的光流矢量为式(6)，反向光流的光流矢量定义为该过程中原本光流失8[0029]两个矢量的差值(x–xb,y-yb)表征了单应运动补偿对于相机自身运动引起的背景之间的反向光流场1的基础上，同理计算t帧和t+2帧之间的反向光流场2并对比分析两个一个连通区域与某聚类簇内的一个连通区域重合度高于设定的阈值ε,将动态区域周围属9[0056]利用高斯-牛顿方法对最小化重投影误差问题进行求解，优化得到相机的位姿估列上每4个像素选取1个像素进行更新；将网格化运动分割应用到八叉树地图的建立当中，[0071]相机位姿变换Tcw表示为旋转矩阵R和平移向量t，相机在世界坐光线遍历得到的深度值与相机测量得到的深度值有较大出入的地图点很可能在关键帧之[0074]RGB-D相机在测量较远物体的深度时误差较大，因此只对4m内的地图点做深度值前后点的坐标对应关系由式(1)计算，在图像包含明确前景和背景且运动前景不占据画面对不可能全部满足同一刚体透视变换，使用LMedS(LeastMedianofSquares)方法确定特征点利用Lucas-Kanade稀疏光流法向第t+1帧进行前向光流计算，根据对应点信息计算单应矩阵对第t帧图像应用该单应变换得到补偿[0106]反向光流过程中，由t+dt时刻的像素位置(x+dx,y+dy)在经单应补偿的t时刻图[0107]前向光流的光流矢量为式(6)，反向光流的光流矢量定义为该过程中原本光流失[0112]两个矢量的差值(x–xb,y-yb)表征了单应运动补偿对于相机自身运动引起的背景之间的反向光流场1的基础上，同理计算t帧和t+2帧之间的反向光流场2并对比分析两个[0115]除了一些显著错误的点，反向光流场2的时间跨度更长，运动前景的移动更为显一个连通区域与某聚类簇内的一个连通区域重合度高于一定的阈值ε,将动态区域周围属[0142]利用高斯-牛顿方法对最小化重投影误差问题进行求解，优化得到相机的位姿估列上每4个像素选取1个像素进行更新。将网格化运动分割应用到八叉树地图的建立当中，八叉树中进行光线遍历得到的深度值与相机测量得到的深度值有较大出入的地图点很可[0163]RGB-D相机在测量较远物体的深度时误差较大，因此只对4m内的地图点做深度值[0165]其中Δ为误差范围大小，这一过程的误差