本發(fā)明涉及機(jī)器人導(dǎo)航，尤其涉及一種動(dòng)態(tài)環(huán)境下的slam方法及系統(tǒng)。

背景技術(shù)：

1、近年來(lái)，同時(shí)定位與地圖構(gòu)建(simultaneous?localization?and?mapping,slam)已成為人工智能與機(jī)器人和計(jì)算機(jī)視覺(jué)的一個(gè)重要研究領(lǐng)域，動(dòng)態(tài)場(chǎng)景下的定位與建圖是其中一個(gè)熱門的研究方向，廣泛應(yīng)用于室內(nèi)服務(wù)機(jī)器人、室外自動(dòng)駕駛汽車等方面。

2、在動(dòng)態(tài)環(huán)境中，傳統(tǒng)的slam系統(tǒng)面臨的一大挑戰(zhàn)是動(dòng)態(tài)特征點(diǎn)的干擾。這些動(dòng)態(tài)特征點(diǎn)，如行人、車輛、寵物等移動(dòng)物體，在圖像序列中呈現(xiàn)出顯著的位置變化，通常會(huì)被錯(cuò)誤地納入相機(jī)位姿計(jì)算。這不僅增加了計(jì)算的復(fù)雜性，還導(dǎo)致了定位精度和魯棒性的顯著下降。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，為了解決現(xiàn)有slam方法沒(méi)有考慮移動(dòng)物體，無(wú)法分離和跟蹤對(duì)應(yīng)的動(dòng)態(tài)特征點(diǎn)，進(jìn)而導(dǎo)致重構(gòu)定位精度不高和地圖構(gòu)建不準(zhǔn)確的技術(shù)問(wèn)題，第一方面，本發(fā)明提出一種動(dòng)態(tài)環(huán)境下的slam方法，所述方法包括以下步驟：

2、獲取圖像幀；

3、對(duì)圖像幀進(jìn)行預(yù)處理，包括圖像縮放和歸一化處理；

4、利用深度學(xué)習(xí)中的yolov5目標(biāo)檢測(cè)模型對(duì)預(yù)處理后的圖像幀進(jìn)行目標(biāo)檢測(cè)，輸出檢測(cè)到的目標(biāo)框坐標(biāo)及其類別信息，即得到特征點(diǎn)；

5、采用基于金字塔的lucas-kanade光流法對(duì)物體的運(yùn)動(dòng)狀態(tài)進(jìn)行判斷，對(duì)特征點(diǎn)進(jìn)行跟蹤檢測(cè)；

6、利用對(duì)極幾何約束，采用設(shè)定閾值的方法對(duì)動(dòng)態(tài)特征點(diǎn)進(jìn)行判斷；

7、根據(jù)劃分后的特征點(diǎn)(包括靜態(tài)特征點(diǎn)、可疑靜態(tài)特征點(diǎn)和動(dòng)態(tài)特征點(diǎn))，通過(guò)最小化特征點(diǎn)的重投影誤差，對(duì)相機(jī)的位姿和所述特征點(diǎn)的三維坐標(biāo)進(jìn)行優(yōu)化，得到優(yōu)化結(jié)果；

8、使用多幀觀測(cè)信息區(qū)分未知特征點(diǎn)，并進(jìn)行卡爾曼濾波；

9、根據(jù)光流跟蹤結(jié)果和卡爾曼濾波結(jié)果，更新和維護(hù)特征點(diǎn)的狀態(tài)信息；

10、根據(jù)更新后的特征點(diǎn)狀態(tài)信息，進(jìn)行位姿估計(jì)和地圖構(gòu)建。

11、第二方面，本發(fā)明還提出了一種動(dòng)態(tài)環(huán)境下的slam系統(tǒng)，該系統(tǒng)包括：

12、目標(biāo)檢測(cè)模塊，獲取圖像幀；對(duì)圖像幀進(jìn)行預(yù)處理，包括圖像縮放和歸一化處理；利用深度學(xué)習(xí)中的yolov5目標(biāo)檢測(cè)模型對(duì)預(yù)處理后的圖像幀進(jìn)行目標(biāo)檢測(cè)，輸出輸出檢測(cè)到的目標(biāo)框坐標(biāo)及其類別信息，即得到特征點(diǎn)；

13、跟蹤檢測(cè)模塊，采用基于金字塔的lucas-kanade光流法對(duì)物體的運(yùn)動(dòng)狀態(tài)進(jìn)行判斷，對(duì)特征點(diǎn)進(jìn)行跟蹤檢測(cè)；

14、特征點(diǎn)判斷模塊，利用對(duì)極幾何約束，采用設(shè)定閾值的方法對(duì)動(dòng)態(tài)特征點(diǎn)進(jìn)行判斷；

15、位姿優(yōu)化模塊，根據(jù)劃分后的特征點(diǎn)(包括靜態(tài)特征點(diǎn)、可疑靜態(tài)特征點(diǎn)和動(dòng)態(tài)特征點(diǎn))，通過(guò)最小化特征點(diǎn)的重投影誤差，對(duì)相機(jī)的位姿和所述特征點(diǎn)的三維坐標(biāo)進(jìn)行優(yōu)化，得到優(yōu)化結(jié)果；

16、濾波模塊，使用多幀觀測(cè)信息區(qū)分未知特征點(diǎn)，并進(jìn)行卡爾曼濾波；

17、狀態(tài)更新模塊，根據(jù)光流跟蹤結(jié)果和卡爾曼濾波結(jié)果，更新和維護(hù)特征點(diǎn)的狀態(tài)信息；

18、地圖構(gòu)建模塊，根據(jù)更新后的特征點(diǎn)狀態(tài)信息，進(jìn)行位姿估計(jì)和地圖構(gòu)建。

19、基于上述方案，本發(fā)明提供了一種動(dòng)態(tài)環(huán)境下的slam方法及系統(tǒng)，通過(guò)深度學(xué)習(xí)與光流技術(shù)的結(jié)合，本發(fā)明能夠有效識(shí)別和跟蹤動(dòng)態(tài)特征點(diǎn)，從而減少這些特征點(diǎn)對(duì)相機(jī)位姿計(jì)算的干擾。這種技術(shù)結(jié)合不僅提高了動(dòng)態(tài)特征點(diǎn)的識(shí)別和跟蹤準(zhǔn)確性，而且還能夠通過(guò)動(dòng)態(tài)特征點(diǎn)的有效剔除，減少它們對(duì)地圖構(gòu)建和位姿估計(jì)的干擾，進(jìn)而顯著提升slam機(jī)器人在動(dòng)態(tài)環(huán)境中的定位精度；通過(guò)位姿優(yōu)化的改進(jìn)，將靜態(tài)和動(dòng)態(tài)特征點(diǎn)一起用于位姿優(yōu)化，并結(jié)合卡爾曼濾波算法進(jìn)行狀態(tài)估計(jì)和預(yù)測(cè)，這不僅提高了位姿估計(jì)的準(zhǔn)確性，也使得構(gòu)建的地圖更加準(zhǔn)確和可靠。地圖的準(zhǔn)確性對(duì)于機(jī)器人的自主導(dǎo)航、避障和路徑規(guī)劃至關(guān)重要，本發(fā)明的實(shí)施將極大地增強(qiáng)這些任務(wù)的執(zhí)行效率和安全性。

技術(shù)特征：

1.一種動(dòng)態(tài)環(huán)境下的slam方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述一種動(dòng)態(tài)環(huán)境下的slam方法，其特征在于，所述獲取圖像幀并對(duì)所述圖像幀進(jìn)行動(dòng)態(tài)目標(biāo)檢測(cè)，得到特征點(diǎn)這一步驟，其具體包括：

3.根據(jù)權(quán)利要求1所述一種動(dòng)態(tài)環(huán)境下的slam方法，其特征在于，所述對(duì)所述特征點(diǎn)進(jìn)行跟蹤檢測(cè)，得到跟蹤結(jié)果這一步驟，其具體包括：

4.根據(jù)權(quán)利要求1所述一種動(dòng)態(tài)環(huán)境下的slam方法，其特征在于，所述基于所述跟蹤結(jié)果和預(yù)設(shè)閾值，對(duì)所述特征點(diǎn)進(jìn)行判斷，得到劃分后的特征點(diǎn)這一步驟，其具體包括：

5.根據(jù)權(quán)利要求4所述一種動(dòng)態(tài)環(huán)境下的slam方法，其特征在于，所述配對(duì)的特征點(diǎn)的距離的計(jì)算公式表示如下：

6.根據(jù)權(quán)利要求1所述一種動(dòng)態(tài)環(huán)境下的slam方法，其特征在于，所述根據(jù)所述劃分后的特征點(diǎn)，通過(guò)最小化特征點(diǎn)的重投影誤差，對(duì)相機(jī)的位姿和所述特征點(diǎn)的三維坐標(biāo)進(jìn)行優(yōu)化，得到優(yōu)化結(jié)果這一步驟，其具體包括：

7.根據(jù)權(quán)利要求1所述一種動(dòng)態(tài)環(huán)境下的slam方法，其特征在于，還包括：

8.一種動(dòng)態(tài)環(huán)境下的slam系統(tǒng)，其特征在于，包括：

9.一種動(dòng)態(tài)環(huán)境下的slam裝置，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種動(dòng)態(tài)環(huán)境下的SLAM方法及系統(tǒng)，該方法包括：獲取圖像幀；利用目標(biāo)檢測(cè)模型對(duì)圖像幀進(jìn)行目標(biāo)檢測(cè)，輸出特征點(diǎn)；采用光流法對(duì)物體的運(yùn)動(dòng)狀態(tài)進(jìn)行判斷，對(duì)特征點(diǎn)進(jìn)行跟蹤檢測(cè)；設(shè)定閾值并對(duì)動(dòng)態(tài)特征點(diǎn)進(jìn)行對(duì)比判斷；通過(guò)最小化特征點(diǎn)的重投影誤差，對(duì)相機(jī)的位姿和所述特征點(diǎn)的三維坐標(biāo)進(jìn)行優(yōu)化；進(jìn)行卡爾曼濾波；根據(jù)光流跟蹤結(jié)果和卡爾曼濾波結(jié)果，更新和維護(hù)特征點(diǎn)的狀態(tài)信息；進(jìn)行位姿估計(jì)和地圖構(gòu)建。該系統(tǒng)包括：目標(biāo)檢測(cè)模塊、跟蹤檢測(cè)模塊、特征點(diǎn)判斷模塊、位姿優(yōu)化模塊、濾波模塊、狀態(tài)更新模塊和地圖構(gòu)建模塊。通過(guò)使用本發(fā)明，能夠提高在動(dòng)態(tài)環(huán)境下的SLAM性能。本發(fā)明可廣泛應(yīng)用于機(jī)器人導(dǎo)航技術(shù)領(lǐng)域。

技術(shù)研發(fā)人員：胡濤,何元烈
受保護(hù)的技術(shù)使用者：廣東工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15