一种基于语义光束平差法的SLAM方法

摘要

本发明提供了一种基于语义光束平差法的SLAM方法，属于移动机器人同步定位与地图创建(SLAM)领域。其特征在于：本发明所述的方法通过新的语义上的全局的优化来联合6DOF物体和相机姿态，可以在2D或者3D传感器下工作。由于添加了语义上的信息，目标检测通道无需外设，就可以无缝的整合到任何基于BA的SLAM系统的BA类型优化系统中。本发明所述的方法简单、易实现，并且具有很强的实用性，SLAM约束可以被用于健壮的目标检测，可以适应更复杂的环境。

主权项

一种基于语义光束平差法的SLAM方法，其特征在于，包括以下步骤：步骤1、确定检测目标的一系列特征，对每个检测目标建立模型数据库；步骤2、随着一个新帧的可用，对新帧提取描述特征并与模型数据库相匹配，然后为每个给定的检测目标创建确定图；步骤3、验证步骤2中的确定图，去除错误边缘，保留正确边缘；依赖一个上一次全局优化得到的全局的加权平均差作为在下一个目标检测过程中的验证阈值：$\bar{Q}=\frac{\Sigma w_{\mathrm{ij}}{e}_{\mathrm{ij}}^T{e}_{\mathrm{ij}}}{\Sigma w_{\mathrm{ij}}}$假设，权重w_ij的表达式可以被分为所有的边缘；步骤3.1、对于2D特征匹配方案，从帧顶点到标志顶点与阈值比较，满足以下公式，则去掉边缘：${\left|\right|p_i^{o,n}-V_i\left[x_{h(o,n)}\right]\left|\right|}^2\ge \alpha \bar{Q}$h(o，n)表示第n个特征点在第o个物体上有关的标志顶点的索引，α是一个给定的参数，范围在4‑9之间；如果帧到标志边缘的移动离开了只依附在物体上的标志顶点，需要删除物体到标志的边缘；步骤3.2、对于3D特征匹配，每个帧到物体的边缘与阈值比较，满足如下公式，则去掉边缘：${\left|\right|q_o^n-x_o^{-1}{x}_i\left[p_i^{o,n}\right]\left|\right|}^2\ge \alpha \bar{Q}$步骤4、在确定正确的语义边缘后，根据边缘的阈值评估是否将确定图加入全局图。步骤5、查看是否有新帧出现，若无新帧出现，则完成全局图；若有新帧出现，则返回步骤2，重新执行步骤2到步骤5。