CN115507842A - 一种基于面元的轻量化无人机地图构建方法 - Google Patents
一种基于面元的轻量化无人机地图构建方法 Download PDFInfo
- Publication number
- CN115507842A CN115507842A CN202211245143.XA CN202211245143A CN115507842A CN 115507842 A CN115507842 A CN 115507842A CN 202211245143 A CN202211245143 A CN 202211245143A CN 115507842 A CN115507842 A CN 115507842A
- Authority
- CN
- China
- Prior art keywords
- surface element
- superpixel
- bin
- map
- key frame
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 238000007500 overflow downdraw method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 4
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3837—Data obtained from a single source
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3833—Creation or updating of map data characterised by the source of data
- G01C21/3852—Data derived from aerial or satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于面元的轻量化无人机地图构建方法,涉及无人机和地图构建领域。本发明包括以下步骤:对传感器获得的深度图像进行超像素提取,计算得到超像素的法向量,使用SLAM方法估计摄像机位姿,利用超像素信息和关键帧信息,进行面元提取工作,在位姿图中搜索局部一致关键帧,提取局部地图,融合局部面元,建立全局地图,融合面元。本发明减少了无人机地图的计算资源,可将其部署在计算和存储资源有限的无人机上;设置了一致性准则,保障了面元融合的精度,降低了面元地图的累积误差。
Description
技术领域
本发明涉及无人机和地图构建领域,尤其涉及一种基于面元的轻量化无人机地图构建方法。
背景技术
无人机在进行任务飞行时,需要建立周围环境的地图并规划生成可执行轨迹。目前在线维护无人机地图需要机载计算机具有较强的处理能力,而且在室内等无GPS的场景下,无人机定位较差,在累积误差存在的情况下无人机地图的维护也存在较大的难度。现有技术的方法对内存占用较大,建立的全局地图一致性较差,可能存在较大累积误差。综上所述,现有的地图构建算法存在一定局限性,影响了无人机任务飞行的效率和准确性。
发明内容
为了解决上述问题,本发明提供了一种基于面元的轻量化无人机地图构建方法,该方法引入面元构建地图,减少了地图的占用空间,提高了系统效率,设置了一致性原则,提高了地图构建精度。
为了实现上述目的,本发明采用的技术方案为:
一种基于面元的轻量化无人机地图构建方法,包括以下步骤:
步骤1,通过传感器获取深度图像和RGB图像,对深度图像进行超像素提取,计算得到超像素的法向量;
步骤2,使用SLAM方法估计摄像机位姿;
步骤3,利用超像素信息和关键帧信息,进行面元提取;
步骤4,在位姿图中搜索局部一致关键帧,提取局部地图,融合局部面元;
步骤5,建立全局地图,融合面元,完成地图构建。
进一步地,步骤1中,对深度图像进行超像素提取,计算得到超像素的法向量的具体方式为:
步骤1.1,定义输入的第i张深度图像为Di,利用聚类方法在图像上进行规则网格的划分;
步骤1.2,在每一个网格上,初始化聚类中心Ci=[xi,yi,di,ri]T,其中[xi,yi]T是聚类像素的平均位置,定义为聚类中心位置;di是平均深度值,定义为像素[xi,yi]T的深度值;ri定义为超像素的半径;对于在没有有效深度估计的像素初始化的聚类中心,di初始化为空;
聚类中心[xi,yi]T和平均深度di通过最小化具有半径δ的回归损失函数Ed来更新:
其中,u为半径范围内像素点的集合,Lδ为像素点到聚类中心的距离,ud为像素点深度,di是聚类中心平均深度值;
步骤1.3,通过相机成像函数u=π(p)将像素坐标系下的点u:=[u,v]T转为相机坐标系下的点p=[x,y,z]T;
步骤1.4,根据超像素范围内点的三维信息,计算超像素的法向量。
进一步地,步骤2的具体方式为:
使用SLAM方法估计摄像机位姿Ti,得到与第i张RGB图像Ii相对应的关键帧F的旋转矩阵Ri和平移向量ti。
进一步地,步骤3的具体方式为:
定义单个面元:S=[Sp,Sn,Sr,St,Si]T,
进一步地,步骤4的具体方式为:
当某一特征同时存在于两帧关键帧时,定义其为关键帧的共享特征,两帧关键帧的共享特征数目记为g;
当某一特征同时存在于两面元时,定义其为面元的共享特征,两面元的共享特征数目记为h;
如果当前关键帧与某一历史关键帧之间的关键帧共享特征数目大于阈值Gδ,则这些关键帧是局部一致的;
通过对位姿图中历史关键帧进行广度优先搜索,找到局部一致的关键帧;
当检测到局部一致关键帧时,如果其中面元之间的共享特征数目大于阈值Hδ,则继续使用以前的面元,从而减少地图的增长,更新面元的关键帧信息;
将包含局部一致关键帧的面元提取为局部地图;
若面元Sn与面元Sl有相似的深度和法线的对应关系,即:
和
则将面元Sn与局部面元Sl进行融合,融合的方法与步骤1.2中网格更新的方法相同,即,将面元作为网格按照步骤1.2的方式进行更新;更新面元的关键帧信息;
进一步地,步骤5的具体方式为:
检测到回环并优化位姿图后,认为回环之间的局部一致关键帧是全局一致的;
将所有面元都使用Ti转换为全局框架,并移动到全局地图中,并建立面元中心像素坐标到全局坐标的索引;
若初始面元Sn与面元Sl有相似的深度和法线的对应关系,即:
和
则将面元Sn与局部面元Sl进行融合,融合的方法与步骤1.2中网格更新的方法相同,即,将面元作为网格按照步骤1.2的方式进行更新;更新面元的关键帧信息;
与现有方法相比,本发明的有益效果在于:
1、本发明减少了无人机地图的计算资源,可将其部署在计算和存储资源有限的无人机上,具有高效率的特点。
2、本发明设置了一致性准则,保障了面元融合的精度,降低了面元地图的累积误差。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明的流程图。
具体实施方法
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
另外,本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
一种基于面元的轻量化无人机地图构建方法,如图1所示,包括:
S1:对传感器获得的深度图像进行超像素提取,计算得到超像素的法向量;
S2:使用SLAM方法估计摄像机位姿;
S3:利用超像素信息和关键帧信息,进行面元提取工作;
S4:在位姿图中搜索局部一致关键帧,提取局部地图,融合局部面元;
S5:建立全局地图,融合面元。
对于步骤S1,对传感器获得的深度图像进行超像素提取,计算得到超像素的法向量,包括:
S11:定义输入的第i张深度图像为Di,对于深度图像,利用聚类算法在图像上进行规则网格的划分;
S12:在每一个网络上,初始化聚类中心Ci=[xi,yi,di,ri]T,其中[xi,yi]T是聚类像素的平均位置,定义为聚类中心位置;di是平均深度值,定义为像素[xi,yi]T的深度值;ri定义为超像素的半径。对于在没有有效深度估计的像素初始化的聚类中心,di初始化为NaN;
S13:聚类中心[xi,yi]T和平均深度di通过最小化具有半径δ的回归损失函数来更新:
其中,u为半径范围内像素点的集合,Lδ为像素点到聚类中心的距离,ud为像素点深度,di是聚类中心平均深度值;
S14:通过相机成像函数u=π(p)将像素坐标系下的点u:=[u,v]T转为相机坐标系下的点p=[x,y,z]T;
S15:根据超像素范围内点的三维信息,计算超像素的法向量。
对于步骤S2,使用SLAM方法估计摄像机位姿,包括:
S21:使用SLAM方法估计摄像机位姿Ti,得到与第i张RGB图像Ii相对应的关键帧F的旋转矩阵Ri和平移向量ti。
对于步骤S3,利用超像素信息和关键帧信息,进行面元提取工作,包括:
定义单个面元:S=[Sp,Sn,Sr,St,Si]T,
对于步骤S4,在位姿图中搜索局部一致关键帧,提取局部地图,融合局部面元,包括:
S41:当某一特征同时存在于两帧关键帧时,定义其为关键帧共享特征,两帧关键帧的共享特征数目记为g;
S42:当某一特征同时存在于两面元时,定义其为面元共享特征,两面元的共享特征数目记为h;
S43:如果当前关键帧与某一历史关键帧之间的关键帧共享公共特征数目大于Gδ,则这些关键帧是局部一致的;
S44:通过对位姿图中历史关键帧进行广度优先搜索,找到局部一致的关键帧;
S45:当检测到局部一致关键帧,如果其中面元之间的共享公共特征数目大于Hδ,可以继续使用以前的面元,从而减少地图的增长,更新面元的关键帧信息;
S46:将包含这些关键帧的面元提取为局部地图;
对于步骤S5,建立全局地图,融合全局面元,包括:
S51:检测到回环并优化位姿图后,认为回环之间的局部一致关键帧是全局一致的;
S52:将所有面元都使用Ti转换为全局框架,并移动到全局地图中,并建立面元中心像素坐标到全局坐标的索引;
总之,本发明减少了无人机地图的计算资源,可将其部署在计算和存储资源有限的无人机上;设置了一致性准则,保障了面元融合的精度,降低了面元地图的累积误差。
Claims (6)
1.一种基于面元的轻量化无人机地图构建方法,其特征在于,包括以下步骤:
步骤1,通过传感器获取深度图像和RGB图像,对深度图像进行超像素提取,计算得到超像素的法向量;
步骤2,使用SLAM方法估计摄像机位姿;
步骤3,利用超像素信息和关键帧信息,进行面元提取;
步骤4,在位姿图中搜索局部一致关键帧,提取局部地图,融合局部面元;
步骤5,建立全局地图,融合面元,完成地图构建。
2.如权利要求1所述的一种基于面元的轻量化无人机地图构建方法,其特征在于,步骤1中,对深度图像进行超像素提取,计算得到超像素的法向量的具体方式为:
步骤1.1,定义输入的第i张深度图像为Di,利用聚类方法在图像上进行规则网格的划分;
步骤1.2,在每一个网格上,初始化聚类中心Ci=[xi,yi,di,ri]T,其中[xi,yi]T是聚类像素的平均位置,定义为聚类中心位置;di是平均深度值,定义为像素[xi,yi]T的深度值;ri定义为超像素的半径;对于在没有有效深度估计的像素初始化的聚类中心,di初始化为空;
聚类中心[xi,yi]T和平均深度di通过最小化具有半径δ的回归损失函数Ed来更新:
其中,u为半径范围内像素点的集合,Lδ为像素点到聚类中心的距离,ud为像素点深度,di是聚类中心平均深度值;
步骤1.3,通过相机成像函数u=π(p)将像素坐标系下的点u:=[u,v]T转为相机坐标系下的点p=[x,y,z]T;
步骤1.4,根据超像素范围内点的三维信息,计算超像素的法向量。
3.如权利要求2所述的一种基于面元的轻量化无人机地图构建方法,其特征在于,步骤2的具体方式为:
使用SLAM方法估计摄像机位姿Ti,得到与第i张RGB图像Ii相对应的关键帧F的旋转矩阵Ri和平移向量ti。
5.如权利要求4所述的一种基于面元的轻量化无人机地图构建方法,其特征在于,步骤4的具体方式为:
当某一特征同时存在于两帧关键帧时,定义其为关键帧的共享特征,两帧关键帧的共享特征数目记为g;
当某一特征同时存在于两面元时,定义其为面元的共享特征,两面元的共享特征数目记为h;
如果当前关键帧与某一历史关键帧之间的关键帧共享特征数目大于阈值Gδ,则这些关键帧是局部一致的;
通过对位姿图中历史关键帧进行广度优先搜索,找到局部一致的关键帧;
当检测到局部一致关键帧时,如果其中面元之间的共享特征数目大于阈值Hδ,则继续使用以前的面元,从而减少地图的增长,更新面元的关键帧信息;
将包含局部一致关键帧的面元提取为局部地图;
若面元Sn与面元Sl有相似的深度和法线的对应关系,即:
和
则将面元Sn与局部面元Sl进行融合,融合的方法与步骤1.2中网格更新的方法相同,即,将面元作为网格按照步骤1.2的方式进行更新;更新面元的关键帧信息;
6.如权利要求5所述的一种基于面元的轻量化无人机地图构建方法,其特征在于,步骤5的具体方式为:
检测到回环并优化位姿图后,认为回环之间的局部一致关键帧是全局一致的;
将所有面元都使用Ti转换为全局框架,并移动到全局地图中,并建立面元中心像素坐标到全局坐标的索引;
若初始面元Sn与面元Sl有相似的深度和法线的对应关系,即:
和
则将面元Sn与局部面元Sl进行融合,融合的方法与步骤1.2中网格更新的方法相同,即,将面元作为网格按照步骤1.2的方式进行更新;更新面元的关键帧信息;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211245143.XA CN115507842A (zh) | 2022-10-12 | 2022-10-12 | 一种基于面元的轻量化无人机地图构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211245143.XA CN115507842A (zh) | 2022-10-12 | 2022-10-12 | 一种基于面元的轻量化无人机地图构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115507842A true CN115507842A (zh) | 2022-12-23 |
Family
ID=84509301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211245143.XA Pending CN115507842A (zh) | 2022-10-12 | 2022-10-12 | 一种基于面元的轻量化无人机地图构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115507842A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475092A (zh) * | 2023-12-27 | 2024-01-30 | 安徽蔚来智驾科技有限公司 | 位姿优化方法、设备、智能设备和介质 |
-
2022
- 2022-10-12 CN CN202211245143.XA patent/CN115507842A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475092A (zh) * | 2023-12-27 | 2024-01-30 | 安徽蔚来智驾科技有限公司 | 位姿优化方法、设备、智能设备和介质 |
CN117475092B (zh) * | 2023-12-27 | 2024-03-19 | 安徽蔚来智驾科技有限公司 | 位姿优化方法、设备、智能设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114862949B (zh) | 一种基于点线面特征的结构化场景视觉slam方法 | |
CN110223348A (zh) | 基于rgb-d相机的机器人场景自适应位姿估计方法 | |
CN111561923A (zh) | 基于多传感器融合的slam制图方法、系统 | |
CN108682027A (zh) | 基于点、线特征融合的vSLAM实现方法及系统 | |
CN113593017A (zh) | 露天矿地表三维模型构建方法、装置、设备及存储介质 | |
CN110926485B (zh) | 一种基于直线特征的移动机器人定位方法及系统 | |
CN109712071B (zh) | 基于航迹约束的无人机图像拼接与定位方法 | |
CN110599545B (zh) | 一种基于特征的构建稠密地图的系统 | |
US11836861B2 (en) | Correcting or expanding an existing high-definition map | |
CN113506318A (zh) | 一种车载边缘场景下的三维目标感知方法 | |
CN112037268B (zh) | 一种动态场景下的基于概率传递模型的环境感知方法 | |
CN115507842A (zh) | 一种基于面元的轻量化无人机地图构建方法 | |
CN114299386A (zh) | 一种融合激光里程计和回环检测的激光slam方法 | |
CN116839600A (zh) | 一种基于轻量化点云地图的视觉测绘导航定位方法 | |
CN114563000B (zh) | 一种基于改进型激光雷达里程计的室内外slam方法 | |
CN116168171A (zh) | 集群无人机实时稠密重建方法 | |
Zheng et al. | 6d camera relocalization in visually ambiguous extreme environments | |
CN116878542A (zh) | 一种抑制里程计高度漂移的激光slam方法 | |
WO2023130842A1 (zh) | 一种相机位姿确定方法和装置 | |
CN116045965A (zh) | 一种融合多传感器的环境地图构建方法 | |
CN113763468B (zh) | 一种定位方法、装置、系统及存储介质 | |
CN111340870B (zh) | 基于视觉的拓扑地图生成方法 | |
CN116184431A (zh) | 无人机自主导航定位地图构建方法、装置及系统 | |
CN111127474B (zh) | 机载LiDAR点云辅助的正射影像镶嵌线自动选取方法及系统 | |
CN115393401A (zh) | 融合深度估计与三维运动补偿的空间运动分割方法 |
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 |