CN109798897A - 一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法 - Google Patents
一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法 Download PDFInfo
- Publication number
- CN109798897A CN109798897A CN201910056759.4A CN201910056759A CN109798897A CN 109798897 A CN109798897 A CN 109798897A CN 201910056759 A CN201910056759 A CN 201910056759A CN 109798897 A CN109798897 A CN 109798897A
- Authority
- CN
- China
- Prior art keywords
- integrity degree
- distribution
- model
- improve
- grid
- 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
- 230000007613 environmental effect Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004387 environmental modeling Methods 0.000 claims abstract description 4
- 230000000007 visual effect Effects 0.000 claims description 11
- 230000036544 posture Effects 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 3
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,首先建立环境表达模型;然后对建立的环境表达模型进行完整度评估;最后利用完整度评估的结果,对环境建模的完成与否进行判断,当满足要求才停止探索,从而提高最终建立的环境模型数据的完整度。本发明通过具有丰富的环境数据量的模型,提高在该环境模型下的正确数据关联几率,进而提高单目视觉定位的可靠性。
Description
技术领域
本发明涉及机器人视觉定位的技术领域,尤其涉及到一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法。
背景技术
使用单目视觉在已有的环境模型中实现定位,是移动机器人实现视觉导航的重要组成部分。在视觉导航问题中,得到移动机器人的实时定位至关重要。
目前的单目视觉定位方案,往往利用特征点以及特征点描述符的匹配,实现移动机器人的视觉定位。
然而在数据匹配问题中,由于特征点描述符在面对视角变化、光照变化等方面存在不确定性,使得特征点的正确匹配难以实现。
发明内容
本发明的目的在于克服现有技术的不足,提出一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法。通过基于采集图像密度及其分布情况的完整度评估,并利用该完整度评估结果,对环境建模的完成与否进行判断,从而提高最终建立的环境模型数据的完整度。通过具有丰富的环境数据量的模型,提高在该环境模型下的正确数据关联几率,进而提高单目视觉定位的可靠性。
为实现上述目的,本发明所提供的技术方案为:
一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,首先建立环境表达模型;然后对建立的环境表达模型进行完整度评估;最后利用完整度评估的结果,对环境建模的完成与否进行判断,当满足要求才停止探索,从而提高最终建立的环境模型数据的完整度,进而提高单目视觉定位的可靠性。
进一步地,所述建立的模型以图的拓扑形式表达;其中图的节点表示已收集到的各个图像;图中的边,表达已有节点的相对关系;每个节点对应建立的模型中一个采集图像;边的建立,通过节点所对应图像的像素数据关联计算得到。
进一步地,所述的完整度评估包括基于密度的完整度评估和基于分布的完整度评估;
当基于密度的完整度评估满足要求后,才进入基于分布的完整度评估阶段;
总的判断结果:Jtermination=Jdistribution&Jdensity。
进一步地,所述基于密度的完整度评估具体为:
每采集一个新的图像k,便建立一个新的节点,对该节点可建立的与已有节点间的边数量进行统计,当节点分布密度越高,其可建立的边的数目ek越多;当可建立的边数量大于给定阈值Te的情况下,认为密度评估满足要求,从而进入基于分布的完整度评估阶段;该判据结果Jdensity表达为:
进一步地,所述基于分布的完整度评估的具体过程如下:
A:将当前建立的环境表达模型网格化;
B:在该网格化的环境表达中,所有采集到的图像节点归类到对应的某一个网格中;
C:统计每个网格的图像数量以及图像的分布姿态,评估每个网格中图像采集的分布完整度;
D:根据步骤C所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分nc;
E:结合整个视觉环境模型的分布完整度得分nc和给定基于分布评估的阈值为Tc,得到分布判据的结果Jdistribution。
进一步地,所述步骤C中,使用均匀分布的参数化表达作为视觉构图的完整度评估标准;具体步骤如下:
(1)计算每个网格gi中所采集图像的角度姿态的统计分布;
(2)统计一个网格中所有图像姿态的角度集合的均值及其标准差并将该两个数值与理想均匀分布的均值mideal和标准差videal用于计算实际分布参数以及理想分布参数的欧式距离,从而得到已建模模型在该网格的姿态分布与理想的姿态分布间的距离;此处的理想均匀分布,定义为U(-π,π),从而该U(-π,π)分布的参数化表达mideal和videal可得;
(3)根据该距离,评估单个网格中图像采集的分布完整度:
两者距离越大,说明当前建模与理想化建模的情况差别越大,其完整度亦越低;
对于网格gi的完整度的计算定义为:
进一步地,所述步骤D中,根据步骤C所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分nc;计算公式如下:
其中,j为环境中所有网格的个数。
进一步地,所述步骤E的具体计算过程如下:
给定基于分布评估的阈值为Tc,进而得到分布判据的结果Jdistribution表达为:
与现有技术相比,本方案原理和优点如下:
1.通过视觉模型建模的完整度评估,提高视觉定位可靠性。
2.采用双层式的环境模型完整度评估方法,即:利用图论拓扑形式的环境模型表达,计算视觉建立模型中采集图像的密度,以及利用网格化的环境模型,计算视觉建立模型所采集图像在环境模型中的姿态分布,两者结合以评价环境探索完整度,大大提高视觉定位的精度。
附图说明
图1为本发明一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法的流程图;
图2为本发明一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法中密度与边的关系示意图;
图3为本发明一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法中环境表达模型网格化后的表达示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明:
参见图1所示,本实施例所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,首先建立环境表达模型;然后对建立的环境表达模型进行完整度评估;利用完整度评估的结果,对环境建模的完成与否进行判断,当满足要求才停止探索。
具体地,建立的模型以图的拓扑形式表达;其中图的节点表示已收集到的各个图像;图中的边,表达已有节点的相对关系;每个节点对应建立的模型中一个采集图像;边的建立,通过节点所对应图像的像素数据关联计算得到。
完整度评估包括基于密度的完整度评估和基于分布的完整度评估。
当基于密度的完整度评估满足要求后,才进入基于分布的完整度评估阶段。
其中,基于密度的完整度评估具体为:
每采集一个新的图像k,便建立一个新的节点,对该节点可建立的与已有节点间的边数量进行统计,当节点分布密度越高,其可建立的边的数目ek越多;如图2所示,左图为密度较低下情况,其可建立边少;右图为密度较高下情况,其可建立的边更多。当可建立的边数量大于给定阈值Te的情况下,认为密度评估满足要求,从而进入基于分布的完整度评估阶段;该判据结果Jdensity表达为:
基于分布的完整度评估的具体过程如下:
A:将当前建立的环境表达模型网格化;
B:在该网格化的环境表达中,所有采集到的图像节点归类到对应的某一个网格中;
C:统计每个网格的图像数量以及图像的分布姿态,评估每个网格中图像采集的分布完整度:
对于图像匹配而言,除了网格中的图像密度外,还需要考虑网格中图像的有效性,本实施例通过图像的面向角度对各个图像的有效性就行评估。如图3所示,左图为环境模型网格化后的表达;右图为采集图像姿态以及相应的角度,图像间的姿态角度离散程度越高,姿态分布越均匀,其探索环境的覆盖视角就越大,该网格的探索完整度也就越高。此处使用均匀分布的参数化表达作为视觉构图的完整度评估标准;具体步骤如下:
(1)计算每个网格gi中所采集图像的角度姿态的统计分布;
(2)统计一个网格中所有图像姿态的角度集合的均值及其标准差并将该两个数值与理想均匀分布的均值mideal和标准差videal计算实际分布参数与理想分布参数之间欧式距离,从而得到已建模模型在该网格的姿态分布与理想的姿态分布间的距离;此处的理想均匀分布,定义为U(-π,π),从而该U(-π,π)分布的参数化表达mideal和videal可得;
(3)根据该距离,评估单个网格中图像采集的分布完整度:
两者距离越大,说明当前建模与理想化建模的情况差别越大,其完整度亦越低;
对于网格gi的完整度的计算定义为:
D:根据步骤C所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分nc;计算公式如下:
其中,j为环境中所有网格的个数。
E:结合整个视觉环境模型的分布完整度得分nc和给定基于分布评估的阈值为Tc,得到分布判据的结果Jdistribution:
总的判断结果:Jtermination=Jdistribution&Jdensity。
当探索过程获得的环境模型满足本实施例提出的两层递进式完整度评估后,可得到一个环境刻画足够完整的模型。由于该模型中所采集图像的密度以及分布均匀情况都已经过验证,故该模型中的图像信息足够完整,可提高单目视觉在该建立模型中的正确数据关联几率,从而提高视觉定位系统的可靠性。
以上所述之实施例子只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (8)
1.一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,首先建立环境表达模型;然后对建立的环境表达模型进行完整度评估;利用完整度评估的结果,对环境建模的完成与否进行判断,当满足要求才停止探索,从而提高最终建立的环境表达模型数据的完整度,进而提高单目视觉定位的可靠性。
2.根据权利要求1所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,所述建立的模型以图的拓扑形式表达;其中图的节点表示已收集到的各个图像;图中的边,表达已有节点的相对关系;每个节点对应建立的模型中一个采集图像;边的建立,通过节点所对应图像的像素数据关联计算得到。
3.根据权利要求1所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,所述的完整度评估包括基于密度的完整度评估和基于分布的完整度评估;
当基于密度的完整度评估满足要求后,才进入基于分布的完整度评估阶段;
总的判断结果:Jtermination=Jdistribution&Jdensity。
4.根据权利要求3所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,所述基于密度的完整度评估具体为:
每采集一个新的图像k,便建立一个新的节点,对该节点可建立的与已有节点间的边数量进行统计,当节点分布密度越高,其可建立的边的数目ek越多;当可建立的边数量大于给定阈值Te的情况下,认为密度评估满足要求,从而进入基于分布的完整度评估阶段;该判据结果Jdensity表达为:
5.根据权利要求4所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,所述基于分布的完整度评估的具体过程如下:
A:将当前建立的环境表达模型网格化;
B:在该网格化的环境表达中,所有采集到的图像节点归类到对应的某一个网格中;
C:统计每个网格的图像数量以及图像的分布姿态,评估每个网格中图像采集的分布完整度;
D:根据步骤C所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分nc;
E:结合整个视觉环境模型的分布完整度得分nc和给定基于分布评估的阈值为Tc,得到分布判据的结果Jdistribution。
6.根据权利要求5所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,所述步骤C中,使用均匀分布的参数化表达作为视觉构图的完整度评估标准;具体步骤如下:
(1)计算每个网格gi中所采集图像的角度姿态的统计分布;
(2)统计一个网格中所有图像姿态的角度集合θgi的均值mgi及其标准差vgi,并将该两个数值与理想均匀分布的均值mideal和标准差videal计算实际分布参数与理想分布参数之间欧式距离,从而得到已建模模型在该网格的姿态分布与理想的姿态分布间的距离;此处的理想均匀分布,定义为U(-π,π),从而该U(-π,π)分布的参数化表达mideal和videal可得;
(3)根据该距离,评估单个网格中图像采集的分布完整度:
两者距离越大,说明当前建模与理想化建模的情况差别越大,其完整度亦越低;
对于网格gi的完整度的计算定义为:
7.根据权利要求5所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,所述步骤D中,根据步骤C所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分nc;计算公式如下:
其中,j为环境中所有网格的个数。
8.根据权利要求5所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法,其特征在于,所述步骤E的具体计算过程如下:
给定基于分布评估的阈值为Tc,进而得到分布判据的结果Jdistribution表达为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910056759.4A CN109798897B (zh) | 2019-01-22 | 2019-01-22 | 一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910056759.4A CN109798897B (zh) | 2019-01-22 | 2019-01-22 | 一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109798897A true CN109798897A (zh) | 2019-05-24 |
CN109798897B CN109798897B (zh) | 2022-07-01 |
Family
ID=66559863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910056759.4A Expired - Fee Related CN109798897B (zh) | 2019-01-22 | 2019-01-22 | 一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109798897B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441769A (zh) * | 2008-12-11 | 2009-05-27 | 上海交通大学 | 单目摄像机实时视觉定位方法 |
CN102542563A (zh) * | 2011-11-24 | 2012-07-04 | 广东工业大学 | 一种移动机器人前向单目视觉的建模方法 |
CN104374395A (zh) * | 2014-03-31 | 2015-02-25 | 南京邮电大学 | 基于图的视觉slam方法 |
CN105809687A (zh) * | 2016-03-08 | 2016-07-27 | 清华大学 | 一种基于图像中边沿点信息的单目视觉测程方法 |
CN106970620A (zh) * | 2017-04-14 | 2017-07-21 | 安徽工程大学 | 一种基于单目视觉的机器人控制方法 |
CN108369420A (zh) * | 2015-11-02 | 2018-08-03 | 星船科技私人有限公司 | 用于自主定位的设备和方法 |
US20180297207A1 (en) * | 2017-04-14 | 2018-10-18 | TwoAntz, Inc. | Visual positioning and navigation device and method thereof |
CN108876908A (zh) * | 2018-06-12 | 2018-11-23 | 哈尔滨工业大学 | 一种基于重建模型完整度的空间目标三维重建评估方法及应用 |
CN109163731A (zh) * | 2018-09-18 | 2019-01-08 | 北京云迹科技有限公司 | 一种语义地图构建方法及系统 |
-
2019
- 2019-01-22 CN CN201910056759.4A patent/CN109798897B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101441769A (zh) * | 2008-12-11 | 2009-05-27 | 上海交通大学 | 单目摄像机实时视觉定位方法 |
CN102542563A (zh) * | 2011-11-24 | 2012-07-04 | 广东工业大学 | 一种移动机器人前向单目视觉的建模方法 |
CN104374395A (zh) * | 2014-03-31 | 2015-02-25 | 南京邮电大学 | 基于图的视觉slam方法 |
CN108369420A (zh) * | 2015-11-02 | 2018-08-03 | 星船科技私人有限公司 | 用于自主定位的设备和方法 |
CN105809687A (zh) * | 2016-03-08 | 2016-07-27 | 清华大学 | 一种基于图像中边沿点信息的单目视觉测程方法 |
CN106970620A (zh) * | 2017-04-14 | 2017-07-21 | 安徽工程大学 | 一种基于单目视觉的机器人控制方法 |
US20180297207A1 (en) * | 2017-04-14 | 2018-10-18 | TwoAntz, Inc. | Visual positioning and navigation device and method thereof |
CN108876908A (zh) * | 2018-06-12 | 2018-11-23 | 哈尔滨工业大学 | 一种基于重建模型完整度的空间目标三维重建评估方法及应用 |
CN109163731A (zh) * | 2018-09-18 | 2019-01-08 | 北京云迹科技有限公司 | 一种语义地图构建方法及系统 |
Non-Patent Citations (1)
Title |
---|
WEINAN CHEN 等: "Submap-Based Pose-Graph Visual SLAM: A Robust Visual Exploration and Localization System", 《2018 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109798897B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090960B (zh) | 一种基于几何约束的目标重建方法 | |
CN105044662B (zh) | 一种基于wifi信号强度的指纹聚类多点联合室内定位方法 | |
CN102369413B (zh) | 用于确定第一和第二成像设备相对位置的方法及设备 | |
CN109218619A (zh) | 图像获取方法、装置和系统 | |
Deng et al. | Noisy depth maps fusion for multiview stereo via matrix completion | |
JP2017509972A (ja) | ビュー非依存色等化3dシーンテクスチャ処理 | |
CN107341442A (zh) | 运动控制方法、装置、计算机设备和服务机器人 | |
CN104050709B (zh) | 一种三维图像处理方法及电子设备 | |
WO2021051526A1 (zh) | 多视图3d人体姿态估计方法及相关装置 | |
CN112818925B (zh) | 一种城市建筑和树冠识别方法 | |
CN109934065A (zh) | 一种用于手势识别的方法和装置 | |
CN107680053A (zh) | 一种基于深度学习分类的模糊核优化迭代初始值估计方法 | |
CN103020989A (zh) | 一种基于在线场景特征聚类的多视角目标跟踪方法 | |
CN110674925B (zh) | 基于3d卷积神经网络的无参考vr视频质量评价方法 | |
CN108664860A (zh) | 房间平面图的识别方法及装置 | |
CN110047133A (zh) | 一种面向点云数据的列车边界提取方法 | |
CN116051747A (zh) | 一种基于缺失点云数据的房屋三维模型重建方法及设备、介质 | |
CN107610219A (zh) | 一种三维场景重构中几何线索感知的像素级点云稠密化方法 | |
US10791321B2 (en) | Constructing a user's face model using particle filters | |
CN116797944A (zh) | 一种基于无人机图像识别光伏面板清洁度的检测方法及系统 | |
CN104978583B (zh) | 人物动作的识别方法及装置 | |
CN109931940A (zh) | 一种基于单目视觉的机器人定位置信度评估方法 | |
CN110188634A (zh) | 人体体态模型的构建方法、装置、电子设备及存储介质 | |
CN103544732A (zh) | 一种用于月球车的三维立体重建方法 | |
CN109472813A (zh) | 一种基于背景加权的Mean Shift算法和Kalman预测融合的遮挡跟踪方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220701 |