一种智能机器人回环检测方法技术

本发明专利技术涉及机器人技术与图像处理技术领域，提出一种回环检测方法，所述方法包括：通过机器人所载RGB‑D相机获取运动图像，对获取图像进行预处理；获取预处理后每一帧的低维特征向量，建立低维特征向量数据库Data(L)，使用提出的关键帧选取算法确定关键帧帧数；获取关键帧帧数相应帧的高维特征向量，建立关键帧高维特征向量数据库Data(H)；获取预处理后当前帧高维与低维特征向量，将当前帧高维特征向量与Data(H)作对比，确定可能存在回环的帧数范围；根据可能存在回环的帧数范围，利用当前帧低维特征向量与Data(L)中相应帧作对比，置信参数大于预设阈值时，确定形成回环。本发明专利技术的回环检测方法降低了回环检测中丢失率、误匹率与算力需求，且本发明专利技术有良好的鲁棒性。

【技术实现步骤摘要】
一种智能机器人回环检测方法
本专利技术涉及机器人技术与图像处理
，具体为一种回环检测方法。
技术介绍
近些年，人工智能相关技术不断发展，越来越多的智能机器人技术被应用到各个领域。此外，随着计算机处理性能与传感器精度的不断提高，智能机器人的应用前景愈加可观。回环检测环节作为同时定位与地图构建(SimultaneousLocalizationAndMapping，简称SLAM)系统的重要组成部分，主要功能是纠正系统累计误差使机器人可以进行重新定位。而SLAM又是机器人系统必不可少的。然而，回环检测过程中主要存在两类问题：一类是假阳性(FalsePositive)又称作感知偏差，定义为不同但相似的场景被判断为回环；另一类是假阴性(FalseNegative)又称作感知变异，定义为相同场景被误判为非回环。合格的回环检测算法应该尽力克服这两类问题。传统回环检测算法一般使用人工设计的特征，这种特征易受环境因素影响从而降低回环检测的准确性。卷积神经网络近些年被大量应用于图像特征提取，研究表明卷积神经网络提取的图像特征更加客观且不易受到环境因素影响，但一般的对比算法会造成巨大的计算量问题，降低回环检测效率。
技术实现思路
鉴于上述问题，本专利技术提出一种机器人回环检测方法，通过图像预处理、关键帧选取、建立高维特征向量数据库与低维特征向量数据库等步骤，提高回环检测的准确率与效率，消除SLAM过程中的累计误差，增强机器人在复杂环境中运行的鲁棒性。本专利技术提出的回环检测方法步骤如下：步骤一：通过机器人所载RGB-D相机获取运动图像，对获取图像进行预处理；步骤二：获取预处理后每一帧图像的低维特征向量，建立低维特征向量数据库Data(L)，使用提出的关键帧选取算法确定关键帧帧数；步骤三：获取关键帧帧数相应帧的高维特征向量，建立关键帧高维特征向量数据库Data(H)；步骤四：获取预处理后当前帧高维与低维特征向量，将当前帧高维特征向量与Data(H)作对比，对比结果大于α时，确定可能存在回环的帧数范围；步骤五：根据可能存在回环的帧数范围，利用当前帧低维特征向量与Data(L)中相应帧作对比，对比结果大于置信参数预设阈值γ时，确定形成回环。其中图像预处理具体步骤如下：1)将连续视频信息经过计算机的处理，统一图像规格；2)再使用语义分割算法处理统一规格后的图像；3)得到图像场景中固定物体与动态物体；4)然后保留图像中所含固定物体部分；5)最后将处理过的图像向后续步骤输入。本专利技术所提出的关键帧选取算法具体步骤如下：1)经图像预处理后的视频图像信息输入关键帧选取网络；2)初始帧必然选为关键帧，第二帧设定为参考帧，参考帧的后续帧为待测帧；3)将待测帧与参考帧逐帧对比选取相似度低于β的帧为关键帧，反馈关键帧帧数，将关键帧后续的一帧作为新的参考帧，参考帧的后续帧为待测帧，重复前述的对比方法继续选取关键帧；4)选取的关键帧输入到提取高维特征卷积神经网络中；5)建立关键帧高维特征向量数据库Data(H)。由上所述可见，本专利技术通过使用语义分割预处理图像，然后建立关键帧高维特征向量数据库与所有图像低维特征向量数据库，使用所述的查找与对比方法确定回环帧。所述方法可以降低计算量，同时可以降低感知变异与感知偏差的发生概率，此外本专利技术还具有良好的鲁棒性。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术提供的一种回环检测方法流程示意图图2是本专利技术提供的图像预处理流程示意图图3是本专利技术提供的关键帧选取方法流程示意图图4是本专利技术提供的关键帧高维特征向量数据库的构建流程示意图图5是本专利技术提供的所有帧低维特征向量数据库的构建流程示意图具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，所涉及领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可实现本专利技术。下面结合具体实施例对本专利技术做进一步详细说明，但本专利技术的实施方式不限于此。此次，本专利技术实施例仅提供了一种具体回环检测方法。本专利技术所述实施例中，获取相机图像的拍摄设备为RGB-D相机。实施例1本专利技术实施例提供的一种回环检测方法，如图1所示，包含整体步骤如下：1)通过机器人所载RGB-D相机获取运动图像，对获取图像进行预处理；2)获取预处理后每一帧的低维特征向量，建立低维特征向量数据库Data(L)，使用提出的关键帧选取算法确定关键帧帧数；3)获取关键帧帧数相应帧的高维特征向量，建立关键帧高维特征向量数据库Data(H)；4)获取预处理后当前帧高维与低维特征向量，将当前帧高维特征向量与Data(H)作对比，对比结果大于α时，确定可能存在回环的帧数范围；5)根据可能存在回环的帧数范围，利用当前帧低维特征向量与Data(L)中相应帧作对比，对比结果大于置信参数预设阈值γ时，确定形成回环。实施例2本专利技术实施例提供的一种回环检测中图像预处理流程，如图2所示，包含具体步骤如下：1)将连续视频信息经过计算机的处理，统一图像规格；2)再使用语义分割算法处理统一规格后的图像；3)得到图像场景中固定物体与动态物体；4)然后保留图像中所含固定物体部分；5)最后将处理过的图像向后续步骤输入。实施例3本专利技术实施例提供的一种回环检测中关键帧选取算法流程，如图3所示，包含具体步骤如下：1)经图像预处理后的视频图像信息输入关键帧选取网络；2)初始帧必然选为关键帧，第二帧设定为参考帧，参考帧的后续帧为待测帧；3)将待测帧与参考帧逐帧对比选取相似度低于β的帧为关键帧，反馈关键帧帧数，将关键帧后续的一帧作为新的参考帧，参考帧的后续帧为待测帧，重复前述的对比方法继续选取关键帧；4)选取的关键帧输入到提取高维特征卷积神经网络中；5)建立关键帧高维特征向量数据库Data(H)。实施例4本专利技术实施例提供的一种回环检测方法中关键帧高维特征向量数据库构建方法，如图4所示，包含具体步骤如下：1)将关键帧输入到提取高维特征向量卷积神经网络中，得到关键帧高维特征向量；2)对关键帧高维特征向量进行存储，建立关键帧高维特征向量数据库Data(H)。实施例5本专利技术实施例提供的一种回环检测方法中所有帧低维特征向量数据库构建方法，如图5所示，包含具体步骤如下：1)将全部预处理后的图像输入到提取低维特征向量卷积神经网络中，得到所有帧的低维特征向量；2本文档来自技高网...

【技术保护点】
1.一种智能机器人回环检测方法，其特征在于，包括以下步骤：/n步骤一：通过机器人所载RGB-D相机获取运动图像，对获取图像进行预处理；/n步骤二：获取预处理后每一帧图像的低维特征向量，建立全部帧低维特征向量数据库Data(L)，使用提出的关键帧选取算法确定关键帧帧数；/n步骤三：获取关键帧帧数相应帧的高维特征向量，建立关键帧高维特征向量数据库Data(H)；/n步骤四：获取预处理后当前帧高维与低维特征向量，将当前帧高维特征向量与Data(H)作对比，对比结果大于α时，确定可能存在回环的帧数范围；/n步骤五：根据可能存在回环的帧数范围，利用当前帧低维特征向量与Data(L)中相应帧作对比，对比结果大于置信参数预设阈值γ时，确定形成回环。/n

【技术特征摘要】
1.一种智能机器人回环检测方法，其特征在于，包括以下步骤：
步骤一：通过机器人所载RGB-D相机获取运动图像，对获取图像进行预处理；
步骤二：获取预处理后每一帧图像的低维特征向量，建立全部帧低维特征向量数据库Data(L)，使用提出的关键帧选取算法确定关键帧帧数；
步骤三：获取关键帧帧数相应帧的高维特征向量，建立关键帧高维特征向量数据库Data(H)；
步骤四：获取预处理后当前帧高维与低维特征向量，将当前帧高维特征向量与Data(H)作对比，对比结果大于α时，确定可能存在回环的帧数范围；
步骤五：根据可能存在回环的帧数范围，利用当前帧低维特征向量与Data(L)中相应帧作对比，对比结果大于置信参数预设阈值γ时，确定形成回环。


2.根据权利要求1所述的一种智能机器人回环检测方法，其特征在于，所述图像预处理包括以下步骤：
步骤1：将连续视频信息经过计算机的处理，统一图像规格；
步骤2：再使用语义分割算法处理统一规格后的图像；
步骤3：得到图像场景中固定物体与动态物体；
步骤4：然后保留图像中所含固定物体部分；
步骤5：最后将处理过的图像向后续步骤输入。


3.根据权利要求1所述的一种智能机器人回环检测方法，其特征在于，所述关键帧选取算法包括以下步骤：
步骤1：经图像预处理后的视频图像信息输入关键帧选取网络；
步骤2：初始帧必然选为关键帧，第二帧设定为参考帧，参考帧的后续帧为待测帧...

【专利技术属性】
技术研发人员：田成军，李弘杨，吴昊，吕宏福，寇朋飞，王雨雨，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林;22