专利交易市场

本发明公开了一种轻量化的红外深度里程计方法。首先，对红外图像进行处理，丰富图像中所携带的信息并抑制图像中的噪声。其次，对图像帧进行跟踪，通过其和参考帧之间的数据关联给出粗略的位姿估计。特别地，当红外相机处理非一致性校正时，设计了运动恢复模块，保证在非一致性校正问题发生的情况下，所提出方法仍可以提供较为准确的位姿估计。最后，采用滑动窗口策略对关键帧的位姿进行优化。本发明中提出的深度信息增强的红外视觉里程计方法，在保证较为鲁棒的运行的基础上，具有计算消耗小等优点，具有实现资源受限的嵌入式设备部署的能力。

本发明提供了一种机器人视觉导航中视觉里程计构建方法，包括：提取图像特征点；获取物体边界框的位置；判断提取到的特征点是否在检测得到的物体边界框内，若不是，则剔除特征点；若在物体边界框内，则通过光流跟踪物体边界框内的特征点，并通过光流极线法进行动态点的判断，若物体边界框内动态点数目大于阈值，则认为该物体边界框内物体是运动的，将其中所有特征点剔除。若未超过阈值，则认为该物体边界框内物体是静止的，物体边界框内的特征点是有效特征点。根据有效特征点估算相机运动轨迹，恢复出相机旋转和平移运动，估计出相机位姿，完成视觉里程计的构建。本发明解决了动态环境下位姿估计的不准确问题,提高了定位精度。

本发明公开了一种动态环境下融合边缘信息的稠密视觉里程计方法，具体步骤为：首先，根据深度信息进行场景聚类，再基于光度信息与边缘信息的聚类构建出残差模型，并引入平均背景深度，加大前景残差。然后，将残差模型与非参数统计模型相结合，分离动态物体并得到聚类权重。最后，将加权聚类残差加入到位姿估计的非线性优化函数中，以降低动态物体的影响，提高位姿估计的精度。在TUM数据集上进行实验，结果表明本文算法在动态环境下比现有算法有更高的精度与鲁棒性。