【技术实现步骤摘要】
本专利技术涉及计算机视觉和机器人，特别涉及一种基于动态视觉的环境地图构建方法。
技术介绍
1、目前，同步定位与地图绘制(simultaneous localization and mapping，slam)技术作为一项高科技技术得到了社会各界人士的广泛关注，slam技术可以在一般场景下为移动机器人提供位置信息并同步实时构建环境地图，为机器人的移动保驾护航；
2、但是，随着研究的深入，应用场景也由原来高度静态场景变为有一定干扰的动态场景，在进行特征点匹配过程中，对于动态目标物体，极易造成特征点误匹配的问题，这对于机器人位姿的准确性以及建图的精确性都会造成一定干扰，从而造成定位轨迹效果与真实轨迹产生较大的误差；
3、因此，为了克服上述缺陷，本专利技术提供了一种基于动态视觉的环境地图构建方法。
技术实现思路
1、本专利技术提供一种基于动态视觉的环境地图构建方法，用以通过机器人车载相机采集环境图像序列，并对采集到的环境图像序列进行特征提取，实现对各环境图像的特征点进行准确有效的确定，其次，通过稀疏光流法对特征点进行动态点及静态点区分，并对确定的动态点剔除以及对静态点进行通道特征增强，减少了动态物体对地图构建与定位识别的干扰，为对机器人进行自身定位和环境地图构建提供了遍历和保障，最后，对静态点的通道特征增强结果进行分析，实现对机器人进行准确可靠的自身定位及环境地图进行有效的构建，并根据机器人的运行状态对自身定位及环境地图进行动态更新，确保了对环境地图构建的准确性以及可
2、本专利技术提供了一种基于动态视觉的环境地图构建方法，包括：
3、步骤1：基于机器人车载相机采集环境图像序列，并基于yolov8n的注意力机制提取环境图像序列中各环境图像的特征点；
4、步骤2：基于稀疏光流法对特征点进行动态点及静态点区分，并基于区分结果对动态点剔除，同时，对静态点进行通道特征增强；
5、步骤3：基于静态点的通道特征增强结果对机器人进行自身定位及环境地图构建，并基于机器人的运行状态对自身定位及环境地图进行动态更新。
6、优选的，一种基于动态视觉的环境地图构建方法，步骤1中，基于机器人车载相机采集环境图像序列，包括：
7、获取机器人的视角参数，并将视角参数作为第一相机配置参数；
8、基于管理终端获取图像采集要求，并对图像采集要求进行解析，得到图像采集频率及相机的基本工作参数，且将图像采集频率和基本工作参数作为第二相机配置参数；
9、基于第一相机配置参数和第二相机配置参数对机器人车载相机进行配置，并基于配置结果根据机器人的主控中心构建管理终端与机器人车载相机的交互链路；
10、基于管理终端根据交互链路向机器人车载相机发送图像采集指令，并基于发送结果启动机器人车载相机进行环境图像序列采集。
11、优选的，一种基于动态视觉的环境地图构建方法，基于发送结果启动机器人车载相机进行环境图像序列采集，包括：
12、获取采集到的环境图像序列，并从环境图像序列中随机选取预设采样量的环境图像样本；
13、分别对每个环境图像样本进行像素遍历，得到对应的像素特征，并基于预设质量评估体系对像素特征进行分析，得到每个环境图像样本的图像质量；
14、基于每个环境图像样本的图像质量确定机器人车载相机的图像采集合格率，并在合格率不满足预设阈值时，对机器人车载相机进行优化；
15、基于优化结果将机器人车载相机采集到的环境图像序列回传至管理终端进行存储。
16、优选的，一种基于动态视觉的环境地图构建方法，步骤1中，基于yolov8n的注意力机制提取环境图像序列中各环境图像的特征点，包括：
17、获取得到的环境图像序列，并基于预设窗口尺寸对环境图像序列中每一环境图像进行像素遍历，得到每一像素与对应的周围像素集合；
18、对每一像素与对应的周围像素集合进行求和平均处理，得到每一像素对应的新像素值，并基于新像素值对每一像素的原始像素值进行第一替换，得到环境图像的去噪环境图像；
19、同时，基于图像处理要求确定环境图像的亮度要求区间，并基于亮度要求区间确定对环境图像的亮度调整系数；
20、基于逐行顺序依次对去噪环境图像中每个像素进行遍历，并基于像素遍历结果得到每个像素的像素值；
21、将每个像素的像素值与亮度调整系数进行线性运算，并基于线性运算结果得到每个像素的调整像素值；
22、基于调整像素值对去噪环境图像中每个像素的像素值进行第二替换，并基于第二替换结果对各像素点的调整像素值进行平滑处理，得到亮度统一环境图像；
23、基于yolov8n的注意力机制对亮度统一环境图像进行处理，提取对应的特征点。
24、优选的，一种基于动态视觉的环境地图构建方法，基于yolov8n的注意力机制对对比度增强环境图像进行处理，提取对应的特征点，包括：
25、获取得到的亮度统一环境图像，并将亮度统一环境图像输入至卷积神经网络进行处理；
26、基于卷积神经网络对亮度统一环境图像进行分析，确定亮度统一环境图像中的敏感图像区域，并对敏感图像区域进行环境检测，得到亮度统一环境图像的初步图像特征；
27、基于特征提取要求确定关键信息，并基于关键信息对yolov8n的注意力机制进行参数适配；
28、基于参数适配结果对初步图像特征进行注意力分析，得到每个初步图像特征中不同特征位置对应的注意力权重，并将注意力权重与初步图像特征中不同特征位置进行相乘，得到加权图像特征；
29、基于加权图像特征选取关键特征位置点，并将关键特征位置点确定为最终选取的特征点。
30、优选的，一种基于动态视觉的环境地图构建方法，步骤2中，基于稀疏光流法对特征点进行动态点及静态点区分，并基于区分结果对动态点剔除，包括：
31、获取得到的环境图像序列，并对环境图像序列进行拆分，得到每一帧环境图像；
32、从环境图像序列中选取相邻的两帧环境图像，并对相邻的两帧环境图像中的同一特征点进行定位，同时，基于定位结果对相邻的两帧环境图像中同一特征点的像素值亮度进行恒定处理；
33、基于锁定结果提取前一帧环境图像的时间t以及后一帧环境图像的时间t+δt，同时，将前一帧环境图像的像素点设定为i，且i的像素坐标为(x,y,t)，后一帧的像素点位置为(x+δx,y+δy,t+δt)；
34、基于像素值亮度恒定得到：
35、i(x,y,t)＝i(x+δx,y+δy,t+δt)；
36、对上述公式右侧进行泰勒级数展开：
37、
38、其中，α为泰勒级数展开式的高阶无穷小；
39、将上述公式联立可得：
40、
41、设在时刻，x轴与y轴的像素的速度为：...
【技术保护点】
1.一种基于动态视觉的环境地图构建方法，其特征在于，包括：
2.根据权利要求1所述的一种基于动态视觉的环境地图构建方法，其特征在于，步骤1中，基于机器人车载相机采集环境图像序列，包括：
3.根据权利要求2所述的一种基于动态视觉的环境地图构建方法，其特征在于，基于发送结果启动机器人车载相机进行环境图像序列采集，包括：
4.根据权利要求1所述的一种基于动态视觉的环境地图构建方法，其特征在于，步骤1中，基于YOLOv8n的注意力机制提取环境图像序列中各环境图像的特征点，包括：
5.根据权利要求4所述的一种基于动态视觉的环境地图构建方法，其特征在于，基于YOLOv8n的注意力机制对对比度增强环境图像进行处理，提取对应的特征点，包括：
6.根据权利要求1所述的一种基于动态视觉的环境地图构建方法，其特征在于，步骤2中，基于稀疏光流法对特征点进行动态点及静态点区分，并基于区分结果对动态点剔除，包括：
7.根据权利要求1所述的一种基于动态视觉的环境地图构建方法，其特征在于，步骤2中，对静态点进行通道特征增强，包括：
<...【技术特征摘要】
1.一种基于动态视觉的环境地图构建方法，其特征在于，包括：
2.根据权利要求1所述的一种基于动态视觉的环境地图构建方法，其特征在于，步骤1中，基于机器人车载相机采集环境图像序列，包括：
3.根据权利要求2所述的一种基于动态视觉的环境地图构建方法，其特征在于，基于发送结果启动机器人车载相机进行环境图像序列采集，包括：
4.根据权利要求1所述的一种基于动态视觉的环境地图构建方法，其特征在于，步骤1中，基于yolov8n的注意力机制提取环境图像序列中各环境图像的特征点，包括：
5.根据权利要求4所述的一种基于动态视觉的环境地图构建方法，其特征在于，基于yolov8n的注意力机制对对比度增强环境图像进行处理，提取对应的特征点，包括：
6.根据权利要求1所述的一种基于动态视觉...
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。