CN109798897B - 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
- CN109798897B CN109798897B CN201910056759.4A CN201910056759A CN109798897B CN 109798897 B CN109798897 B CN 109798897B CN 201910056759 A CN201910056759 A CN 201910056759A CN 109798897 B CN109798897 B CN 109798897B
- Authority
- CN
- China
- Prior art keywords
- distribution
- integrity
- environment
- evaluation
- model
- 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.)
- Expired - Fee Related
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims description 76
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000009827 uniform distribution Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 3
- 230000036544 posture Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
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;
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:
(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;
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:
(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;
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 (4)
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;
所述建立的环境表达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;
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;
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;判据结果Jdensity表达为:
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;
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。
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:
(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;
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 CN109798897A (zh) | 2019-05-24 |
CN109798897B true 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 (8)
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 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10593060B2 (en) * | 2017-04-14 | 2020-03-17 | TwoAntz, Inc. | Visual positioning and navigation device and method thereof |
-
2019
- 2019-01-22 CN CN201910056759.4A patent/CN109798897B/zh not_active Expired - Fee Related
Patent Citations (8)
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 |
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 |
---|
Submap-Based Pose-Graph Visual SLAM: A Robust Visual Exploration and Localization System;Weinan Chen 等;《2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)》;20190107;第6851-6856页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109798897A (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108009628B (zh) | 一种基于生成对抗网络的异常检测方法 | |
CN106529469B (zh) | 基于自适应坡度的无人机载LiDAR点云滤波方法 | |
CN113139453B (zh) | 一种基于深度学习的正射影像高层建筑基底矢量提取方法 | |
CN110909762B (zh) | 基于多传感器融合的机器人姿态识别方法及装置 | |
CN110276732B (zh) | 一种顾及地形特征线要素的山区点云空洞修复方法 | |
CN112883820B (zh) | 基于激光雷达点云的道路目标3d检测方法及系统 | |
CN112818925B (zh) | 一种城市建筑和树冠识别方法 | |
CN106251362B (zh) | 一种基于快速相关邻域特征点的滑窗目标跟踪方法及系统 | |
CN111539422B (zh) | 基于Faster RCNN的飞行目标协同识别方法 | |
CN110942015A (zh) | 人群密度估计方法 | |
CN113643365B (zh) | 一种相机位姿估计方法、装置、设备以及可读存储介质 | |
CN116449384A (zh) | 基于固态激光雷达的雷达惯性紧耦合定位建图方法 | |
CN109931940B (zh) | 一种基于单目视觉的机器人定位置信度评估方法 | |
CN116563262A (zh) | 基于多模态的建筑裂缝检测算法 | |
CN110826364B (zh) | 一种库位识别方法及装置 | |
CN112819958B (zh) | 一种基于三维激光扫描的工程地质测绘方法与系统 | |
CN109798897B (zh) | 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 | |
CN111291687B (zh) | 一种3d人体动作标准性判识的方法 | |
CN111310772A (zh) | 用于双目视觉slam的点线特征选取方法及系统 | |
CN113920254B (zh) | 一种基于单目rgb的室内三维重建方法及其系统 | |
CN102542565B (zh) | 一种用于包含复杂地形遥感图像的误匹配点剔除方法 | |
CN111402256B (zh) | 一种基于模板的三维点云目标检测和姿态估计方法 | |
CN109765588B (zh) | 一种稀疏轨迹平滑纠错系统及方法 | |
CN112270357A (zh) | Vio视觉系统及方法 | |
CN114494849B (zh) | 用于轮式机器人的路面状态识别方法和系统 |
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 |
Granted publication date: 20220701 |
|
CF01 | Termination of patent right due to non-payment of annual fee |