【技术实现步骤摘要】
一种基于LoD的VSLAM特征点检测方法
[0001]本专利技术涉及计算机视觉
,具体涉及一种基于LoD的VSLAM特征点检测方法。
技术介绍
[0002]图像特征点检测在计算机视觉领域有很多应用,如目标检测、场景辨识、人脸识别、多视图三维重建、基于视觉的同时定位与建图(Visual
‑
based Simultaneous Localization and Mapping,VSLAM)等。其中,VSLAM是以具有时序关系的图像序列作为输入,首先通过图像特征点检测技术提取特征点,再通过图像特征匹配技术构建不同时刻的图像特征点之间、图像特征点与三维地图点之间的数据关联,作为后续的视觉里程计环节和建图环节的输入,最终输出实时的相机位姿和周围环境的点云地图。
[0003]特征点是指图像中具有代表性的、显著的点,比如角点、物体边界、灰度梯度大的区块等。图像特征点检测算法通常从提高特征点检测的判别性,对视角、距离、光照的鲁棒性,和检测的实时性这三个方面进行优化,比如图像金字塔结构、二值描述子、灰度质心法、亮度去中心化等。目前通用的特征点检测算法有Harris、Shi
‑
Tomasi、SIFT、SURF、FAST、ORB等,具有很好的判别性和鲁棒性,但在图像上分布不均匀,导致VSLAM运行过程中帧间共视区域的匹配特征点数量少,不足以准确的计算相机位姿,甚至当相机快速运动时跟踪丢失。
[0004]为了增加特征点在图像上分布的均匀性,目前很多优秀的VSLAM系统,如PTAM、S
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于LoD的VSLAM特征点检测方法,其特征在于,包括如下步骤:步骤1,对当前时刻的输入图像I
t
进行填充处理,得到正方形的当前时刻的填充图像其中,的边长为与输入图像I
t
尺寸最接近的2的指数;步骤2,根据上一时刻的输入图像I
t
‑1的VSLAM跟踪状态,构建当前时刻的填充图像的LoD四叉树模型,并利用所述LoD四叉树模型,获取在当前时刻的输入图像I
t
尺寸范围内的叶子节点;步骤3,根据VSLAM要求的图像特征点数,计算所述LoD四叉树模型的每个所述叶子节点应提取的图像特征点数,然后遍历所述叶子节点提取图像特征点,直至满足VSLAM的图像特征点数要求,最后将图像特征点作为VSLAM的输入,进行后续VSLAM跟踪与建图。2.根据权利要求1所述的基于LoD的VSLAM特征点检测方法,其特征在于,所述步骤1具体包括:步骤101,获取当前时刻的输入图像I
t
,根据I
t
的宽度W和高度H计算当前时刻的填充图像的边长L
p
:步骤102,将通用特征点检测算法中特征点描述子计算区域的边长记为PatchSize,对I
t
的右边界右侧、宽度为PatchSize的区域进行镜像填充,并对I
t
的下边界下侧、宽度为PatchSize的区域进行镜像填充,得到镜像填充图像步骤103,对所述镜像填充图像的右边界右侧、宽度为(L
p
‑
PatchSize
‑
W)的区域进行0灰度填充,并对的下边界下侧、宽度为(L
p
‑
PatchSize
‑
H)的区域进行0灰度填充,得到边长为L
p
的当前时刻的填充图像3.根据权利要求2所述的基于LoD的VSLAM特征点检测方法,其特征在于,所述步骤2具体包括:情况一:如果上一时刻的输入图像I
t
‑1的VSLAM跟踪状态为非正常跟踪,则以的图像中心为根节点构建LoD四叉树模型,然后利用所述LoD四叉树模型获取在I
t
尺寸范围内的叶子节点;情况二:如果上一时刻的输入图像I
t
‑1的VSLAM跟踪状态为正常跟踪,则将I
t
‑1对应的上一时刻的填充图像的LoD四叉树模型作为的LoD四叉树模型的初始值,根据的灰度采样偏差更新叶子节点,然后获取在I
t
尺寸范围内的叶子节点。4.根据权利要求3所述的基于LoD的VSLAM特征点检测方法,其特征在于,所述情况一具体包括:步骤A1,为I
t
的LoD四叉树叶子节点存储容器申请内存空间,记为LeafNodes,初始化为空;为的LoD四叉树节点池申请内存空间,记为NodePool,初始化为空;步骤A2,计算的灰度采样偏差集合V:
其中,v
i
表示对进行不同尺寸的网格划分得到的图像块的灰度采样偏差;v
i
的计算方法为:其中,size表示当前图像块的边长,t
size
表示由用户设置的最小图像块的边长阈值;v
4i
‑2,v
4i
‑1,v
4i
,v
4i+1
依次分别表示对当前图像块均匀划分为4个网格后形成的左上子图像块、右上子图像块、左下子图像块、右下子图像块的灰度采样偏差;v
uc
,v
rc
,v
bc
,v
lc
,v
ulbr_c
,v
urbl_c
依次分别表示当前图像块的上边中点、右边中点、下边中点、左边中点、左对角线中点、右对角线中点的灰度采样偏差,计算方法为:角线中点的灰度采样偏差,计算方法为:角线中点的灰度采样偏差,计算方法为:角线中点的灰度采样偏差,计算方法为:角线中点的灰度采样偏差,计算方法为:角线中点的灰度采样偏差,计算方法为:其中,函数g(p
*
)表示取图像中位于p
*
坐标的灰度值,p
*
=[x
*
,y
*
]
T
技术研发人员:李妮,张甜甜,龚光红,叶必鹏,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。