【技术实现步骤摘要】
本申请涉及slam三维重建及位姿估算领域，特别是涉及一种slam导航定位与三维重建方法及装置。
技术介绍
1、slam（simultaneous localization and mapping）在1988年被提出用于解决机器人在未知环境行进过程中，实时构建环境地图和自身在地图中的定位问题。因为技术开发的起点应用在机器人上，所以slam系统预期是工作在静态或低动态的室内环境。但随着技术发展，slam技术应用领域逐渐扩大，面临的使用环境也从静态低干扰的室内环境逐步变为复杂且高动态的室内与室外环境，系统在运行期间会频繁受到如行人、动物和车辆等动态目标的干扰，使slam系统在匹配上下两帧特征点的进程中产生误匹配，当这些误匹配过多时就会对系统的相机位姿定位造成影响，无法完成预期的跟踪定位建图工作。
2、目前已经存在对动态视觉slam算法的研究，针对动态目标影响系统鲁棒性与位姿定位精度的问题，基于深度学习的视觉slam研究方向有目标检测与语义分割两种。现有研究中，通过使用深度学习神经网络mask r-cnn分割出动态目标，再使用多视图几何将潜在的动态目标分割出来，最后只使用得到的静态特征点进行跟踪和建图工作，然而该方法无法构建出满足实际使用需求的语义信息地图；现有研究中，通过融合segnet实时语义分割网络和一致性检测降低动态目标对系统的影响，在复杂的动态环境中较传统视觉slam提高了定位精度与鲁棒性，但由于使用了语义分割网络导致计算十分耗时，无法满足实时性的要求；现有研究中，融合了稀疏直接法和语义分割，通过形态滤波器扩张掩模
3、分析现有的视觉slam技术，使用深度学习的动态视觉slam系统虽然能够在动态环境下解决动态物体影响位姿计算与轨迹估计问题。但在技术上，首先因为使用了复杂的神经网络对动态与静态目标进行分割，导致系统需要较高等级的硬件，否则无法满足系统的实时性。再者因为动态目标的干扰，无法在动态环境中三维重建出不受干扰的地图，无法被机器人读取应用。针对现在社会对无人驾驶导航的需求，如何满足系统的实时性、轨迹定位精度和建图精度成为了新的挑战，亟需一个新的创新解决方案。
技术实现思路
1、本申请的目的是提供一种slam导航定位与三维重建方法及装置，能够提高slam系统在动态环境下的位姿估算精度和三维建图精度，并且能够实现slam系统的实时运行，保证了slam导航定位的精度和实时性。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种slam导航定位与三维重建方法，包括：
4、获取当前时刻采集的每一帧图像，利用yolov8目标检测网络确定每一帧图像中各目标的目标检测框和目标类别；
5、根据所述目标类别将所述目标检测框划分为动态目标检测框和静态目标检测框；
6、根据所述动态目标检测框和所述静态目标检测框将每一帧图像中检测出的特征点划分为动态特征点和静态特征点；
7、根据所述静态特征点进行位姿计算，得到位姿轨迹；
8、利用所述动态目标检测框和所述静态目标检测框，对当前时刻所述位姿轨迹下的各关键帧图像中每一像素点进行动态像素点和静态像素点的判定；关键帧图像是指从当前时刻所述位姿轨迹下的所有帧图像中选取的若干张图像；
9、根据静态像素点生成当前时刻全静态环境的三维点云地图；
10、根据所述位姿轨迹和全静态环境的三维点云地图进行slam导航定位。
11、第二方面，本申请提供了一种slam导航定位与三维重建装置，包括：
12、目标识别模块，用于获取当前时刻采集的每一帧图像，利用yolov8目标检测网络确定每一帧图像中各目标的目标检测框和目标类别；
13、检测框动静态划分模块，用于根据所述目标类别将所述目标检测框划分为动态目标检测框和静态目标检测框；
14、特征点动静态划分模块，用于根据所述动态目标检测框和所述静态目标检测框将每一帧图像中检测出的特征点划分为动态特征点和静态特征点；
15、位姿计算模块，用于根据所述静态特征点进行位姿计算，得到位姿轨迹；
16、像素点动静态划分模块，用于利用所述动态目标检测框和所述静态目标检测框，对当前时刻所述位姿轨迹下的各关键帧图像中每一像素点进行动态像素点和静态像素点的判定；
17、点云地图生成模块，根据静态像素点生成当前时刻全静态环境的三维点云地图；
18、导航定位模块，用于根据所述位姿轨迹和全静态环境的三维点云地图进行slam导航定位。
19、第三方面，本申请提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现上述的slam导航定位与三维重建方法。
20、第四方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的slam导航定位与三维重建方法。
21、第五方面，本申请提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的slam导航定位与三维重建方法。
22、根据本申请提供的具体实施例，本申请公开了以下技术效果：
23、本申请提供了一种slam导航定位与三维重建方法及装置，首先利用yolov8目标检测网络标识出每一帧图像中的目标检测框，并根据目标类别确定动静态目标检测框，之后可根据动静态目标检测框来判断出每一帧图像中的特征点为动态特征点还是静态特征点，能够排除动态特征点，仅根据保留的静态特征点进行位姿计算，减少了slam系统中位姿计算时动态目标的干扰，保证位姿计算的准确性。另外还根据动静态目标检测框来判断每一关键帧图像中的像素点为动态像素点还是静态像素点，能够排除动态像素点，仅根据保留的静态像素点生成三维点云地图，减少了三维点云地图生成时动态目标的干扰，保证三维点云地图生成的准确性。可见，本专利技术利用yolov8目标检测网络输出的动态目标识别信息，可保证检测的实时性，在三维点云重建过程中过滤掉每一帧的动态点云点，可实时生成全静态环境的点云地图，方便机器人读取和使用。另外，可在保证实时性的前提下实现对动态目标的识别排除，优化slam系统在动态干扰环境下的位姿估算精度。因此，本专利技术既保证了slam导航定位的精度，同时也能满足实时性要求。
本文档来自技高网...【技术保护点】
1.一种SLAM导航定位与三维重建方法，其特征在于，所述SLAM导航定位与三维重建方法包括：
2.根据权利要求1所述的SLAM导航定位与三维重建方法，其特征在于，根据所述动态目标检测框和所述静态目标检测框将每一帧图像中检测出的特征点划分为动态特征点和静态特征点，具体包括：
3.根据权利要求1所述的SLAM导航定位与三维重建方法，其特征在于，利用所述动态目标检测框和所述静态目标检测框，对当前时刻所述位姿轨迹下的各关键帧图像中每一像素点进行动态像素点和静态像素点的判定，具体包括：
4.根据权利要求1所述的SLAM导航定位与三维重建方法，其特征在于，根据静态像素点生成当前时刻全静态环境的三维点云地图，具体包括：
5.一种SLAM导航定位与三维重建装置，其特征在于，所述SLAM导航定位与三维重建装置包括：
6.一种计算机设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-4中任一项所述的SLAM导航定位与三维重建方法。
7.一种计算机可
8.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-4中任一项所述的SLAM导航定位与三维重建方法。
...【技术特征摘要】
1.一种slam导航定位与三维重建方法，其特征在于，所述slam导航定位与三维重建方法包括：
2.根据权利要求1所述的slam导航定位与三维重建方法，其特征在于，根据所述动态目标检测框和所述静态目标检测框将每一帧图像中检测出的特征点划分为动态特征点和静态特征点，具体包括：
3.根据权利要求1所述的slam导航定位与三维重建方法，其特征在于，利用所述动态目标检测框和所述静态目标检测框，对当前时刻所述位姿轨迹下的各关键帧图像中每一像素点进行动态像素点和静态像素点的判定，具体包括：
4.根据权利要求1所述的slam导航定位与三维重建方法，其特征在于，根据静态像素点生成当前时刻全静态环境的三维点云地图，具体包...
【专利技术属性】
技术研发人员：王波，蒋琦峰，张森，
申请(专利权)人：广东科学技术职业学院，
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。