CN107808395A - 一种基于slam的室内定位方法 - Google Patents
一种基于slam的室内定位方法 Download PDFInfo
- Publication number
- CN107808395A CN107808395A CN201711050186.1A CN201711050186A CN107808395A CN 107808395 A CN107808395 A CN 107808395A CN 201711050186 A CN201711050186 A CN 201711050186A CN 107808395 A CN107808395 A CN 107808395A
- Authority
- CN
- China
- Prior art keywords
- input picture
- skfs
- key frame
- point
- slam
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于SLAM的室内定位方法,包括如下步骤:加载SLAM地图得到关键帧集合KFS与3D点云,下采样关键帧集合KFS得到sKFS;提取输入图像的特征点,并对图像进行下采样得到缩略图;求出sKFS中每一个关键帧与输入图像之间的变化矩阵H;对齐每个sKFS与输入图像,算出最小误差ei,若最小误差ei小于阈值T,则认为输入图像与KFS中第i个关键帧Ki匹配;根据Ki的位姿Ei将3D点云映射到Ki中;根据变化矩阵H将Ki中的点映射到输入图像中,并在输入图像中查找与之匹配的特征点;根据匹配上的特征点,利用对极几何原理计算出输入图像的位姿E。本发明的室内定位方法在SLAM对室内已经建图的基础上,对设备进行定位,通过匹配特征点,优化相机位姿,得到更准确的结果。
Description
技术领域
本发明涉及一种室内定位方法,尤其是一种基于SLAM的室内定位方法。
背景技术
SLAM(simultaneous localization and mapping)分为两大功能:定位与建图。其中建图主要作用是对周边环境的理解,建立周边环境与空间的对应关系;定位主要是根据建好的图,判断设备在地图中的位姿,从而得到在环境中的信息。
常见的室内定位技术主要采用无线通讯、基站定位、惯导定位、蓝牙、wifi等多种技术集成一套定位体系。然而该类方法对环境的依赖比较大,比如:气温,距离等蓝牙影响较大,故在不同环境下都需要特定的方法重新矫正,而且往往需要部署多个设备;此外,该类方法只能得到远近信息,无法知道设备在空间中的姿态。
发明内容
本发明的目的在于:提供一种基于SLAM的室内定位方法,能够在室内实现较高精度的定位。
为了实现上述发明目的,本发明提供了一种基于SLAM的室内定位方法,包括如下步骤:
步骤1,加载SLAM地图,得到关键帧集合KFS与3D点云,KFS中包含每一个关键帧的位姿Ei,下采样关键帧集合KFS得到sKFS;
步骤2,利用FAST算法提取输入图像的角点作为特征点,并对输入图像进行下采样得到缩略图;
步骤3,用ESM-tracking算法求出sKFS中每一个关键帧与输入图像之间的变化矩阵H,H中包含了二维图像之间的旋转和平移变换信息;
步骤4,对齐每个sKFS与输入图像,算出最小误差ei,若最小误差ei小于阈值T,则认为输入图像与KFS中第i个关键帧Ki匹配,最小误差ei的计算公式为:
ei=I(PsKFS(i))-I(H·Pquery)
式中,PsKFS(i)表示sKFS中的第i帧,Pquery为输入图像的缩略图,I表示像素值;
步骤5,根据Ki的位姿Ei,将3D点云映射到Ki中,映射公式为:
式中,Pi表示3D点云中的点,Ei为相机姿态,Ei·Pi表示将3D点投影到相机坐标系,CamProj(E·Pi)表示将相机坐标系中的点投影到Ki中;
步骤6,根据变化矩阵H将Ki中的点映射到输入图像中,并利用SSD算法在输入图像中查找与之匹配的特征点,若匹配上的特征点数量小于N,则重定位失败,否则重定位成功;
步骤7,根据匹配上的特征点,利用对极几何原理计算出输入图像的位姿E,E中包括R和T,R表示当前相机的旋转信息,T表示平移矩阵。
进一步地,对极几何原理计算出输入图像的R和T的具体公式为:
Pl=R(Pr-T)
(RTPr)T·T×Pl=0
式中,Pl和Pr为两幅图像中匹配上的特征点,RT为R的转置,×为叉乘。
本发明的有益效果在于:本发明在SLAM对室内已经建图的基础上,对设备进行定位,SLAM得到的地图主要包括3D点云和关键帧信息,一般根据相机获取的图像与关键帧对齐,从而得到相机的姿态,为了增加算法的实时性及鲁棒性,本发明先对图像与关键帧进行下采样,在低分辨率上实现对齐,估算出粗略位姿;然后再将3D点云映射到当前关键帧,匹配特征点,优化相机位姿,得到更准确的结果。
附图说明
图1为本发明的方法流程图。
具体实施方式
如图1所示,本发明公开的一种基于SLAM的室内定位方法,包括如下步骤:
步骤1,加载SLAM地图,得到关键帧集合KFS与3D点云,KFS中包含每一个关键帧的位姿Ei,下采样关键帧集合KFS得到sKFS,本实施例中下采样到40*30;
步骤2,利用FAST算法提取输入图像的角点作为特征点,并对输入图像进行下采样得到缩略图,本实施例中大小为40*30;
步骤3,用ESM-tracking算法求出sKFS中每一个关键帧与输入图像之间的变化矩阵H,H中包含了二维图像之间的旋转和平移变换信息;
步骤4,对齐每个sKFS与输入图像,算出最小误差ei,若最小误差ei小于阈值T,则认为输入图像与KFS中第i个关键帧Ki匹配,本实施例中T=100000,最小误差ei的计算公式为:
ei=I(PsKFS(i))-I(H·Pquery)
式中,PsKFS(i)表示sKFS中的第i帧,Pquery为输入图像的缩略图,I表示像素值;
步骤5,根据Ki的位姿Ei,将3D点云映射到Ki中,映射公式为:
式中,Pi表示3D点云中的点,Ei为相机姿态,Ei·Pi表示将3D点投影到相机坐标系,CamProj(E·Pi)表示将相机坐标系中的点投影到Ki中;
步骤6,根据变化矩阵H将Ki中的点映射到输入图像中,并利用SSD算法在输入图像中查找与之匹配的特征点,若匹配上的特征点数量小于N,则重定位失败,否则重定位成功,本实施例中N=50;
步骤7,根据匹配上的特征点,利用对极几何原理计算出输入图像的位姿E,E中包括R和T,R表示当前相机的旋转信息,T表示平移矩阵,其中,对极几何原理计算出输入图像的R和T的具体公式为:
Pl=R(Pr-T)
(RTPr)T·T×Pl=0
式中,Pl和Pr为两幅图像中匹配上的特征点,RT为R的转置,×为叉乘。
基于SLAM的定位系统,可以得到设备在空间中6自由度的信息,比传统的室内定位技术用途更加广泛。因此本发明在SLAM对室内已经建图的基础上,对设备进行定位,SLAM得到的地图主要包括3D点云和关键帧信息,一般根据相机获取的图像与关键帧对齐,从而得到相机的姿态,为了增加算法的实时性及鲁棒性,本发明先对图像与关键帧进行下采样,在低分辨率上实现对齐,估算出粗略位姿;然后再将3D点云映射到当前关键帧,匹配特征点,优化相机位姿,得到更准确的结果。
Claims (2)
1.一种基于SLAM的室内定位方法,其特征在于,包括如下步骤:
步骤1,加载SLAM地图,得到关键帧集合KFS与3D点云,KFS中包含每一个关键帧的位姿Ei,下采样关键帧集合KFS得到sKFS;
步骤2,利用FAST算法提取输入图像的角点作为特征点,并对输入图像进行下采样得到缩略图;
步骤3,用ESM-tracking算法求出sKFS中每一个关键帧与输入图像之间的变化矩阵H,H中包含了二维图像之间的旋转和平移变换信息;
步骤4,对齐每个sKFS与输入图像,算出最小误差ei,若最小误差ei小于阈值T,则认为输入图像与KFS中第i个关键帧Ki匹配,最小误差ei的计算公式为:
ei=I(PsKFS(i))-I(H·Pquery)
式中,PsKFS(i)表示sKFS中的第i帧,Pquery为输入图像的缩略图,I表示像素值;
步骤5,根据Ki的位姿Ei,将3D点云映射到Ki中,映射公式为:
<mrow>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>u</mi>
<mi>k</mi>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>v</mi>
<mi>k</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mi>C</mi>
<mi>a</mi>
<mi>m</mi>
<mi>Pr</mi>
<mi>o</mi>
<mi>j</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
式中,Pi表示3D点云中的点,Ei为相机姿态,Ei·Pi表示将3D点投影到相机坐标系,CamProj(E·Pi)表示将相机坐标系中的点投影到Ki中;
步骤6,根据变化矩阵H将Ki中的点映射到输入图像中,并利用SSD算法在输入图像中查找与之匹配的特征点,若匹配上的特征点数量小于N,则重定位失败,否则重定位成功;
步骤7,根据匹配上的特征点,利用对极几何原理计算出输入图像的位姿E,E中包括R和T,R表示当前相机的旋转信息,T表示平移矩阵。
2.根据权利要求1所述的基于SLAM的室内定位方法,其特征在于,对极几何原理计算出输入图像的R和T的具体公式为:
Pl=R(Pr-T)
(RTPr)T·T×Pl=0
式中,Pl和Pr为两幅图像中匹配上的特征点,RT为R的转置,×为叉乘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711050186.1A CN107808395B (zh) | 2017-10-31 | 2017-10-31 | 一种基于slam的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711050186.1A CN107808395B (zh) | 2017-10-31 | 2017-10-31 | 一种基于slam的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107808395A true CN107808395A (zh) | 2018-03-16 |
CN107808395B CN107808395B (zh) | 2020-12-04 |
Family
ID=61583170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711050186.1A Active CN107808395B (zh) | 2017-10-31 | 2017-10-31 | 一种基于slam的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107808395B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109061703A (zh) * | 2018-06-11 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 用于定位的方法、装置、设备和计算机可读存储介质 |
CN109146966A (zh) * | 2018-06-26 | 2019-01-04 | 广州视源电子科技股份有限公司 | 视觉slam前端处理方法、系统、存储介质及计算机设备 |
CN109671119A (zh) * | 2018-11-07 | 2019-04-23 | 中国科学院光电研究院 | 一种基于slam的室内定位方法及装置 |
CN110296686A (zh) * | 2019-05-21 | 2019-10-01 | 北京百度网讯科技有限公司 | 基于视觉的定位方法、装置及设备 |
WO2019205842A1 (zh) * | 2018-04-27 | 2019-10-31 | 腾讯科技(深圳)有限公司 | 相机姿态追踪过程的重定位方法、装置及存储介质 |
WO2020103319A1 (zh) * | 2018-11-21 | 2020-05-28 | 驭势科技(北京)有限公司 | 一种视觉定位地图加载方法、装置、系统和存储介质 |
CN111311684A (zh) * | 2020-04-01 | 2020-06-19 | 亮风台(上海)信息科技有限公司 | 一种进行slam初始化的方法与设备 |
CN112004196A (zh) * | 2020-08-24 | 2020-11-27 | 唯羲科技有限公司 | 定位方法、装置、终端及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732518A (zh) * | 2015-01-19 | 2015-06-24 | 北京工业大学 | 一种基于智能机器人地面特征的ptam改进方法 |
CN106092104A (zh) * | 2016-08-26 | 2016-11-09 | 深圳微服机器人科技有限公司 | 一种室内机器人的重定位方法及装置 |
US20160379375A1 (en) * | 2014-03-14 | 2016-12-29 | Huawei Technologies Co., Ltd. | Camera Tracking Method and Apparatus |
CN106384383A (zh) * | 2016-09-08 | 2017-02-08 | 哈尔滨工程大学 | 一种基于fast和freak特征匹配算法的rgb‑d和slam场景重建方法 |
CN106934827A (zh) * | 2015-12-31 | 2017-07-07 | 杭州华为数字技术有限公司 | 三维场景的重建方法和装置 |
-
2017
- 2017-10-31 CN CN201711050186.1A patent/CN107808395B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160379375A1 (en) * | 2014-03-14 | 2016-12-29 | Huawei Technologies Co., Ltd. | Camera Tracking Method and Apparatus |
CN104732518A (zh) * | 2015-01-19 | 2015-06-24 | 北京工业大学 | 一种基于智能机器人地面特征的ptam改进方法 |
CN106934827A (zh) * | 2015-12-31 | 2017-07-07 | 杭州华为数字技术有限公司 | 三维场景的重建方法和装置 |
CN106092104A (zh) * | 2016-08-26 | 2016-11-09 | 深圳微服机器人科技有限公司 | 一种室内机器人的重定位方法及装置 |
CN106384383A (zh) * | 2016-09-08 | 2017-02-08 | 哈尔滨工程大学 | 一种基于fast和freak特征匹配算法的rgb‑d和slam场景重建方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019205842A1 (zh) * | 2018-04-27 | 2019-10-31 | 腾讯科技(深圳)有限公司 | 相机姿态追踪过程的重定位方法、装置及存储介质 |
US11205282B2 (en) | 2018-04-27 | 2021-12-21 | Tencent Technology (Shenzhen) Company Limited | Relocalization method and apparatus in camera pose tracking process and storage medium |
CN109061703A (zh) * | 2018-06-11 | 2018-12-21 | 百度在线网络技术(北京)有限公司 | 用于定位的方法、装置、设备和计算机可读存储介质 |
US10964054B2 (en) | 2018-06-11 | 2021-03-30 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and device for positioning |
CN109146966A (zh) * | 2018-06-26 | 2019-01-04 | 广州视源电子科技股份有限公司 | 视觉slam前端处理方法、系统、存储介质及计算机设备 |
CN109146966B (zh) * | 2018-06-26 | 2021-02-23 | 广州视源电子科技股份有限公司 | 视觉slam前端处理方法、系统、存储介质及计算机设备 |
CN109671119A (zh) * | 2018-11-07 | 2019-04-23 | 中国科学院光电研究院 | 一种基于slam的室内定位方法及装置 |
WO2020103319A1 (zh) * | 2018-11-21 | 2020-05-28 | 驭势科技(北京)有限公司 | 一种视觉定位地图加载方法、装置、系统和存储介质 |
US11403779B2 (en) | 2018-11-21 | 2022-08-02 | Uisee Technologies (Beijing) Co., Ltd | Methods, apparatuses, systems, and storage media for loading visual localization maps |
CN110296686A (zh) * | 2019-05-21 | 2019-10-01 | 北京百度网讯科技有限公司 | 基于视觉的定位方法、装置及设备 |
CN111311684A (zh) * | 2020-04-01 | 2020-06-19 | 亮风台(上海)信息科技有限公司 | 一种进行slam初始化的方法与设备 |
CN112004196A (zh) * | 2020-08-24 | 2020-11-27 | 唯羲科技有限公司 | 定位方法、装置、终端及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107808395B (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107808395A (zh) | 一种基于slam的室内定位方法 | |
CN111561923B (zh) | 基于多传感器融合的slam制图方法、系统 | |
CN110705574B (zh) | 定位方法及装置、设备、存储介质 | |
CN110033489B (zh) | 一种车辆定位准确性的评估方法、装置及设备 | |
US9761002B2 (en) | Stereo-motion method of three-dimensional (3-D) structure information extraction from a video for fusion with 3-D point cloud data | |
US9749809B2 (en) | Method and system for determining the location and position of a smartphone based on image matching | |
US9699375B2 (en) | Method and apparatus for determining camera location information and/or camera pose information according to a global coordinate system | |
CN111383205B (zh) | 一种基于特征点和三维模型的图像融合定位方法 | |
CN112750203B (zh) | 模型重建方法、装置、设备及存储介质 | |
CN111127524A (zh) | 一种轨迹跟踪与三维重建方法、系统及装置 | |
KR20210036317A (ko) | 모바일 에지 컴퓨팅 기반의 시각적 위치 확정 방법 및 장치 | |
CN112556685B (zh) | 导航路线的显示方法、装置和存储介质及电子设备 | |
CN106767833B (zh) | 一种融合rgbd深度传感器与编码器的机器人定位方法 | |
WO2020063878A1 (zh) | 一种处理数据的方法和装置 | |
Kroumov et al. | Localisation and position correction for mobile robot using artificial visual landmarks | |
CN110361005A (zh) | 定位方法、定位装置、可读存储介质及电子设备 | |
WO2024093635A1 (zh) | 相机位姿估计方法、装置及计算机可读存储介质 | |
CN110390639A (zh) | 正射影像的处理拼接方法、装置、设备及存储介质 | |
US8509522B2 (en) | Camera translation using rotation from device | |
CN111964665A (zh) | 基于车载环视图像的智能车定位方法、系统及存储介质 | |
CN102842118A (zh) | 一种鲁棒的立体像对矫正新方法 | |
US9852542B1 (en) | Methods and apparatus related to georeferenced pose of 3D models | |
CN115420276A (zh) | 一种面向室外场景的多机器人协同定位与建图方法 | |
CN113960614A (zh) | 一种基于帧-地图匹配的高程图构建方法 | |
KR102555668B1 (ko) | 맵 생성 방법 및 이를 이용한 이미지 기반 측위 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |