专利交易市场

本发明公开了一种适用于动态环境的轻量化视觉SLAM方法，包括：获取当前环境的RGB图像与深度图像，并从RGB图像中提取特征点；对RGB图像进行语义分割，根据物体的语义标签，对特征点赋予初始运动概率；剔除图像中初始语义运动概率过大的特征点，对于剩余特征点进行跟踪得到初始相机位姿；使用基于聚类的几何方法来判断图像中各点的几何运动概率；使用贝叶斯更新框架融合语义和几何信息得到静态点；再次进行跟踪，在重投影误差计算中使用特征点的运动概率，从而得到优化相机位姿；将静态特征点用于局部BA优化，生成稀疏的三维点云地图，并进行回环检测，消除系统的累计误差，得到最终相机位姿。本发明运算简单、成本低，且能够应用于大多数实际场景中。

一种基于点云区域相关性的动态环境RGB‑D视觉SLAM方法，可以作为ORBSLAM2/3系统的前端预处理，过滤出动态区域，从而减少错误的数据关联。整个系统的输入需要当前帧的RGB图像和深度图生成点云，处理完一帧后将作为参考帧暂时被保存在系统中不进行二次处理。利用聚类算法对深度图进行聚类划分出子点云，然后依次计算子点云与参考帧之间的子位姿变化，与此同时，本文提出一种子点云动静相关性的想法，结合该想法和子位姿可以有效的识别出哪些子点云属于动态点云，无需依赖对极几何约束，也不需要提前知道相机大概的自身位姿。本发明很好的降低了动态物体对机器人的定位影响，提升了系统的鲁棒性和场景的泛化性。

一种面向动态环境的轻量级视觉语义里程计量方法，首先，采集RGB图像和Depth图像，分别发送给ORB特征提取线程、语义分割线程和深度轮廓检测线程；其次，通过静态和动态先验目标，并且等待深度轮廓掩膜的边界扩展结果；同时，基于深度图像的深度梯度，确定目标的大致形状，并且绘制深度掩膜，然后基于形态学处理对深度掩膜进行膨胀，以扩展由于相机精度造成的掩膜边界模糊，并和动态目标的语义分割结果进行像素级的图像边缘融合，获得修正后的掩膜；然后，基于修正后掩膜的动态目标的灰度区域剔除动态掩膜内的特征点，并利用余下的静态特征点结合语义标签构建语义点云地图。本发明提高语义SLAM的实时性和语义特征提取的效率。

本发明公开了一种基于多掩膜融合的视觉SLAM方法，包括：获取RGB图像及其对应的深度图像以提取特征点和深度信息；对RGB图像中的物体进行分类，分别为C1，C2和C3；仅使用C1区域的特征点进行相机位姿初步估计得到Tinit，根据Tinit计算特征点的极线约束误差与深度投影误差，将两种误差进行融合，并对属于C1类别的静态特征点进行建模，然后判断其余特征点的运动状态；计算不属于动态点的特征点的静态权重，用于加权相机位姿估计，以得到最终相机位姿估计结果；根据动态点计算得到动态区域掩膜，并与C3类别区域的动态区域掩码进行融合得到第一动态区域掩膜，进而对静态场景进行重建。本发明准确识别运动区域，生成仅包含静态物体的地图。

本发明公开了一种基于单目视觉SLAM的车辆定位方法，包括如下步骤：基于车辆单目摄像头所采集到周围环境图像数据，实现车辆初始位置坐标的定位；基于车辆单目摄像头实现周围环境图像的采集，同时基于安装在车辆前后四个端角上的三维姿态传感器实现车辆运动角度参数、车辆加速度参数和车辆运动轨迹参数的采集；基于车辆初始位置坐标、周围环境图像数据、车辆运动角度参数、车辆加速度参数和车辆运动轨迹参数和车辆运动速度参数实现单目视觉SLAM初始化，构建SLAM地图；基于单目摄像头拍摄到的图像位置以及车辆在每个角度上的运动距离在所述SLAM地图内实现车位的定位，获取车辆的定位位姿。本发明可以显著提高车辆定位的精确度。