【技术实现步骤摘要】
本专利技术涉及图像处理，特别涉及一种基于gms剔除的改进型orb-slam2稠密点云构建方法。
技术介绍
1、在当前技术环境下，orb-slam2是一个广泛使用的slam系统，它结合了orb特征检测器和描述符，以及基于图优化的后端处理。尽管orb-slam2在多种环境下表现出色，但在特定场景下，如快速运动、光照变化剧烈或纹理贫乏的环境中，其性能仍有提升空间。
2、orb-slam2是一种基于单目相机的slam系统，由西班牙国家研究委员会计算机视觉中心开发。该系统利用orb(orientedfastandrotatedbrief)特征进行环境感知和地图构建。orb特征检测器结合了fast关键点检测和brief描述子的优点，通过旋转不变性提高了特征匹配的准确性。orb-slam2采用三线程架构：即追踪线程：负责跟踪相机的运动，通过匹配当前帧与上一关键帧的特征点来确定相机位姿。局部建图线程：优化局部地图，剔除冗余点云，确保地图的一致性和准确性。闭环检测线程：检测并确认闭环，以减少累积误差，提高全局一致性。
3、其他方案主要有：dso(directsparseodometry)：dso是一种直接法slam系统，它不依赖于特征点，而是直接使用像素强度信息进行位姿估计。这种方法在纹理丰富且光照条件稳定的环境下表现较好，但在光照变化剧烈或纹理贫乏的环境中效果不佳。
4、lsd-slam(large-scaledirectslam)：lsd-slam也是一种直接法slam系统，但它通过半稠密地图来提高系统的鲁
5、vins-mono(visual-inertialslamformonocularcameras)：vins-mono结合了视觉和惯性测量单元(imu)的数据，以提高系统的稳定性和准确性。虽然这种方法在一定程度上解决了快速运动和光照变化的问题，但增加了系统的复杂性和成本。
6、在当前的无人机系统中，orb-slam2作为一种广泛使用的slam(simultaneouslocalization and mapping，即时定位与地图构建)视觉建图系统，虽然在许多应用场景中表现出色，但仍存在一定的缺点主要为：特征点提取和匹配的局限性：orb-slam2依赖于orb特征检测器和描述符进行环境感知。然而，在快速运动、光照变化剧烈或纹理贫乏的环境中，特征点提取和匹配的准确性会显著下降，导致定位精度降低。计算复杂度高：orb-slam2需要处理大量的图像数据，特别是在高分辨率图像或高速运动场景下，计算复杂度较高，可能导致实时性不足。闭环检测的鲁棒性不足：尽管orb-slam2采用了闭环检测机制来减少累积误差，但在复杂环境中，如动态变化较大的场景，闭环检测的准确性和鲁棒性仍有待提高。
技术实现思路
1、本专利技术要解决的技术问题是克服现有技术的缺陷，提供一种基于gms剔除的改进型orb-slam2稠密点云构建方法，针对现有技术的缺点，本专利技术通过建立图像金字塔，对每层图像金字塔进行网格划分，提取特征点，对每个网格中的特征点引入四叉树策略进行筛选，得到均匀的特征点；其次，在特征匹配阶段引入gms算法剔除误匹配；最后，根据位姿估计和关键帧构建稠密点云地图。通过上述改进，本专利技术旨在解决现有技术在数据处理上的瓶颈，提升无人机系统的整体性能，特别是在复杂环境中的自主避障能力。
2、本专利技术提供了如下的技术方案：
3、本专利技术提供一种基于gms剔除的改进型orb-slam2稠密点云构建方法，包括以下步骤：
4、步骤s1：输入rgb图像和深度图，建立图像金字塔，对每层图像金字塔进行网格划分，提取特征点；
5、步骤s2：对每个网格中的特征点引入四叉树策略进行筛选，得到均匀分布的特征点，然后进行暴力匹配；
6、步骤s3：在步骤s2的特征匹配阶段引入gms算法剔除误匹配的特征点；
7、步骤s4：对关键帧进行位姿估计，构建局部稠密点云地图，接收图像数据和位姿信息，对局部点云地图进行拼接，得到全局稠密点云地图。
8、作为本专利技术的一种优选技术方案，所述步骤s2中对每个网格中的特征点引入四叉树策略进行筛选，得到均匀分布的特征点，具体过程如下：
9、s401：确定初始节点数目，根据图像的宽度和高度将图像分成一个节点，因一个图像初始化阶段只有一个节点，该节点为四叉树的根节点；
10、s402：根节点第一次分裂后形成四个节点，查看特征点是否被多个节点利用；
11、若图像中心的点同时被四个节点使用，则统计4个节点的特征点数；
12、若某个节点的特征点数为0，则删除该节点；
13、若特征点数为1，则不再分裂，保留到分裂终止再处理；
14、若特征点数大于1，则该节点还可以分裂；
15、判断此时的节点总数是否超过设点值，若没有超过则继续进行分裂；
16、s403：对于特征点数大于1的节点继续分裂，一直重复s202中的操作，直到各节点不再分裂或节点数大于所需的特征点数时停止；
17、s404：当分裂到达节点阈值时，用非极大值抑制将角点响应值最大的特征点设为这个节点的代表特征点，其他的特征点删除，得到分布均匀的特征点。
18、作为本专利技术的一种优选技术方案，所述步骤s3中gms算法剔除误匹配的特征点，具体为：
19、将运动平滑约束转换为剔除错误匹配的统计量；
20、选择两张图像{ia,ib}，分别有n、m个特征匹配，定义c＝{c1,c2,c3,…,cj}表示图ia到图ib的最邻匹配，则：
21、
22、式(1)中：ci—像素点pi,qj的匹配；
23、ni—ci的邻域；
24、si—ci的相似邻域；
25、d—两点的欧式距离；
26、r1,r2—距离阈值；
27、由二项分布估计可知：
28、
29、式(2)中：
30、|si|—si中元素数量，对ci的运动支持；
31、|ni|—ci的邻域数量；
32、si—ci的相似邻域；
33、t—正确匹配被某个邻域窗口匹配支持的概率；
34、∈—错误匹配被某个邻域窗口匹配支持的概率；
35、通过计算分析可得：
36、
37、式(3)中：的期望值；
38、的方差；
39、通过设置阈值，用期望值和方差可表示为：
40、
41、式(4)中：o—正确和错误匹配的可区分度，
42、利用划分网格对以上算法进行加速，将图像划分成多个小网格,ci表示在在网格ga和gb中的一个匹配对，那么ci的邻域和相似邻域被重新定义为：
43、
【技术保护点】
1.一种基于GMS剔除的改进型ORB-SLAM2稠密点云构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于GMS剔除的改进型ORB-SLAM2稠密点云构建方法，其特征在于，所述步骤S2中对每个网格中的特征点引入四叉树策略进行筛选，得到均匀分布的特征点，具体过程如下：
3.根据权利要求1所述的一种基于GMS剔除的改进型ORB-SLAM2稠密点云构建方法，其特征在于，所述步骤S3中GMS算法剔除误匹配的特征点，具体为：
4.根据权利要求3所述的一种基于GMS剔除的改进型ORB-SLAM2稠密点云构建方法，其特征在于，还包括：采用多尺度多旋转的策略解决在匹配过程中出现尺度和旋转问题，具体为：
5.根据权利要求1所述的一种基于GMS剔除的改进型ORB-SLAM2稠密点云构建方法，其特征在于，所述步骤S4对关键帧进行位姿估计，构建局部稠密点云地图，接收图像数据和位姿信息，对局部点云地图进行拼接，得到全局稠密点云地图，具体为：
【技术特征摘要】
1.一种基于gms剔除的改进型orb-slam2稠密点云构建方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于gms剔除的改进型orb-slam2稠密点云构建方法，其特征在于，所述步骤s2中对每个网格中的特征点引入四叉树策略进行筛选，得到均匀分布的特征点，具体过程如下：
3.根据权利要求1所述的一种基于gms剔除的改进型orb-slam2稠密点云构建方法，其特征在于，所述步骤s3中gms算法剔除误匹配的特...
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。