本发明针对场景存在动态物体时,视觉SLAM系统出现定位结果与真值差距大、系统鲁棒性低等问题,在传统视觉里程计的基础上,提出一种在动态环境下鲁棒的双目SLAM前端优化算法;算法先对双目图片进行去畸变处理,再对图片进行特征点提取与三角化,根据视觉几何约束结合重投影误差卡方分布模型进行动态特征点预筛选,在此基础上利用各特征点自身信息以及同一动态物体上特征点的运动一致性,构建多维空间有向图模型,引入AP聚类算法对特征点精确筛选,进而准确滤除不满足静态假设的点群;算法整体定位轨迹更接近理论值,可有效提升动态场景下SLAM系统的运行精度与鲁棒性。

本发明属于智能驾驶的视觉SLAM(同时定位与建图技术)领域，针对场景存在动态物体时，视觉SLAM系统出现定位结果与真值差距大、系统鲁棒性低等问题，在传统视觉里程计的基础上，提出一种在动态环境下鲁棒的双目SLAM前端优化算法；算法先对双目图片进行去畸变处理，再对图片进行特征点提取与三角化，根据视觉几何约束结合重投影误差卡方分布模型进行动态特征点预筛选，在此基础上利用各特征点自身信息以及同一动态物体上特征点的运动一致性，构建多维空间有向图模型，引入AP(Affinity Propagation)聚类算法对特征点精确筛选，进而准确滤除不满足静态假设的点群；最后使用KITTI数据集对本实施例方法的有效性进行实验验证，结果证明该算法能够精准的识别动态特征点，算法整体定位轨迹更接近理论值，可有效提升动态场景下SLAM系统的运行精度与鲁棒性。

智能汽车有利于改善交通安全、减缓道路拥堵、提高社会效率等。SLAM(Simultaneous Localization and Mapping)技术作为支撑智能车环境感知、导航定位、路径规划等功能的支撑技术，对智能车的研究具有重大意义。视觉SLAM区别于以激光雷达为核心传感器的激光SLAM，主要通过相机采集的图片序列信息进行定位与建图，凭借着相机价格优势、以及方便拆卸、获取的环境信息极为丰富等诸多优点，成为SLAM领域研究的热点。传统视觉SLAM系统通过提取图像特征点来实现定位和建图，大多数视觉SLAM应用的移动设备会在含有动态物体的环境下工作，当前基于视觉的SLAM方案及评价这些方案的数据集多以静态环境假设作为前提，所以如何在动态场景中使视觉SLAM系统保持鲁棒性是当前的研究热点。

发明人：张卫波 丘英浩 林景胜 陈虎 王单坤

福州大学（Fuzhou University），简称福大，位于福建省福州市，创建于1958年，是国家“双一流”建设高校，国家“211工程”建设高校，国家教育部、国家国防科技工业局与福建省人民政府共建高校，福建省三所重点建设的高水平大学之一，福建省一流大学建设高校，入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。

本发明及其优选方案的创新点在于，首先采用双目相机获取含动态物体的场景下的图像序列，并进行图像预处理，包括去畸变、特征点提取等；其次，基于双目相机得到的信息与帧间位姿信息，构建了一个多维有向图模型，将特征点作为节点，特征点之间的信息作为边，同时利用皮尔森相似性度量特征点之间的关系，形成一个多维特征空间；然后，利用AP聚类算法对多维特征空间进行聚类，得到特征点簇；最后，根据特征点簇的信息最终确定动态特征点，将其剔除以优化相机位姿，解决含动态物体的场景下的双目视觉SLAM问题。相比现有技术，本发明的优势在于采用了特征点聚类和多维有向图模型，能够在保证算法实时性的基础上，有效解决含动态物体的场景下的双目视觉SLAM问题，提高了算法的精度和鲁棒性。

当前专利未经权利人许可不得实施，希望将科技成果转让给研发实力雄厚的企业，由受让人对科技成果实施转化。交易的是科技成果中的知识产权，可以包括专利权、专利申请权、技术秘密等。科技成果转让后，转让方获得转让费，不再是科技成果的所有人；受让方向转让方支付转让费，并成为科技成果的新的所有人。