基于GPU加速的无人机视觉SLAM方法
专利汇可以提供基于GPU加速的无人机视觉SLAM方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于GPU 加速 的无人机视觉SLAM方法，首先进行相机图像信息的读取和预处理；执行前端任务：采用特征点法估计 位姿 ；包括：相机图像的特征提取和特征匹配，采用ICP 算法 估算位姿；进行后端优化：基于图优化的后端优化进而优化位姿；进行词袋回环检测，构建和优化位姿图；其中步骤相机图像的特征提取和特征匹配在GUP上进行，相机图像的特征提取和特征匹配之后的步骤使用OpenCV实现CUDA并行化。本发明方法在现有的嵌入式小型GPU的 基础 上完成视觉SLAM前端部分的特征提取和特征匹配任务， SLAM算法 的其它部分集中在CPU进行并行计算，在不降低 定位 精度 的前提下，提高算法计算速度，减少无人机的体积与重量。，下面是基于GPU加速的无人机视觉SLAM方法专利的具体信息内容。
1.基于GPU加速的无人机视觉SLAM方法，其特征在于，包括以下步骤：
S1.相机图像信息的读取和预处理；所述相机为双目摄像头；
S2.前端任务：采用特征点法估计位姿；包括：相机图像的特征提取和特征匹配，采用ICP算法估算位姿；
S3.后端优化：基于图优化的后端优化进而优化位姿；
S4.进行词袋回环检测，构建和优化位姿图；
其中步骤S2中相机图像的特征提取和特征匹配在GUP上进行，所述步骤S2中相机图像的特征提取和特征匹配之后的步骤使用OpenCV实现CUDA并行化。
2.根据权利要求1所述的基于GPU加速的无人机视觉SLAM方法，其特征在于，所述预处理为对读取得到的相机图像进行灰度化处理。
3.根据权利要求2所述的基于GPU加速的无人机视觉SLAM方法，其特征在于，所述步骤S2中相机图像的特征提取和特征匹配具体包括以下步骤：
S21.对处理后的灰度图构建图像金字塔，并为每层金字塔图像分配应提取的特征点数量；
S22.进行各层金字塔图像的特征提取：首先对每层金字塔图像进行边界处理，在金字塔图像上划分网格后对每一网格进行特征点提取：选定在所述网格中的任一像素为待检测像素，以待检测像素为圆心，r为半径作一个圆，与该圆相交的共有n个像素，若所述n个像素中有连续N个像素与待检测像素灰度值的差大于预设阈值T，则认为该待检测像素为特征点；然后循环检测每一个像素得到所有特征点；
S23.对步骤S22提取得到的特征点进行剔除与均匀分布的优化；
S24.对于步骤S23得到的任一特征点，定义邻域像素的矩为：
其中I(x,y)为点x,y处的灰度值；
得到金字塔图像的质心为：
连接金字塔图像块的几何中心O与质心C，得到一个方向向量 则特征点的方向定义为：
θ＝arctan(m01/m10)
S25.利用rBRIEF算法计算每个特征点的描述子，实现所述金字塔图像中当前帧与参考帧的特征点匹配。
4.根据权利要求3所述的基于GPU加速的无人机视觉SLAM方法，其特征在于，所述步骤S2中采用ICP算法估算位姿的具体步骤包括：
通过ICP算法，利用非线性方法估算出帧间位姿变换(R,T)，基于特征点的深度信息构建最小二乘问题：
把当前位姿作为优化变量，采用Bundle Adjustment为核心的图优化方法进行优化，通过不断迭代的方法估算当前位姿。
5.根据权利要求4所述的基于GPU加速的无人机视觉SLAM方法，其特征在于，所述步骤S3的具体步骤包括：
对于SLAM过程的观测方程，其整体的代价函数为：
其中zij为在位姿ξi处观察路标pj产生的观测数据，eij为观测值与测量值的误差；
对上式的最小二乘进行求解，其中以位姿和路标是优化变量，采用Bundle Adjustment非线性优化方法，不断寻找下降方向Δx以求得上式的最优解，即给优化变量一个增量，并对上式进行一次泰勒展开后简化为：
其中Fij表示整体代价函数在当前状态下对相机姿态的偏导，Eij表示整体代价函数对路标点位置的偏导；
将位姿变量放到一起：
将空间点的变量放到一起：
简化为：
其中Δxc和Δxp分别为所有位姿变量整合到一起的整体增量、空间点的变量整合到一起的整体增量；雅克比矩阵F和E是整体代价函数对所述整体增量的导数；
展开得到增量线性方程：
HΔx＝g
使用LM方法求解则：H＝JTJ+λI，而J＝[F E]，g＝-J(x)Tf(x)；
其中I为单位阵，λ为正实数。
6.根据权利要求5所述的基于GPU加速的无人机视觉SLAM方法，其特征在于，所述步骤S4具体包括以下步骤：
S41.利用词袋模型计算图像间的相似度加速回环发生的识别，通过动态计算回环帧筛选阈值，确定回环关键帧；对当前关键帧与回环关键帧计算Sim3变换得到回环检测结果；
S42.根据步骤S41的回环检测结果进行运行轨迹的纠正，构建得到轨迹符合回环检测结果的位姿图。
7.根据权利要求6所述的基于GPU加速的无人机视觉SLAM方法，其特征在于，所述步骤S41中图像间相似度的计算步骤为：
基于所述词袋模型并使用TF-IDF算法进行计算：
设训练词典时所有特征数量为n，图像中单词wi数量为ni，则单词的IDF为：
设图像中单词wi出现了ni次，一共出现的单词数为n，则TF为：
得到单词wi的权重为：
ni＝TFi×IDFi
对于每一幅图像具有多个特征点，每个特征点分别对应上词典中的某个单词并赋予权重，组成属于该图像的Bag-of-words，其中N为所述词典中的单词数，表示如下：
设另一幅图像的Bag-of-words为υB，则两幅图像的相似度为：
其中N为所述词典中的单词数，υA为一幅图像的Bag-of-words，υB为另一幅图像的Bag-of-words。
8.根据权利要求7所述的基于GPU加速的无人机视觉SLAM方法，其特征在于，所述步骤S41中确定回环关键帧的具体步骤包括：
将与当前帧相连的局部关键帧剔除后遍历所有关键帧；
找出与当前关键帧具有相同单词的关键帧，并统计所有闭环候选帧中与当前关键帧具有共同单词最多的单词数，将最多单词的80％设置为第一阈值；
找出所有单词数超过所述第一阈值，且相似度检测大于相邻关键帧最低分数的关键帧；将其与自己相邻最紧密的前10个关键帧设定为一组；即所述组以每一个关键帧为中心，加上与中心的关键帧相邻的关键帧所形成，一个关键帧出现在一个或多个组内；
计算分组后每组的总得分以及每组得分最高的关键帧，以组得分最高的0.75作为第二阈值，找出高于所述第二阈值的所有组里面得分最高的帧，作为回环关键帧。
基于GPU加速的无人机视觉SLAM方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种利用双目立体相机构建栅格地图的方法 | 2020-05-11 | 975 |
| 基于立体视觉的机器人辅助穿刺手术末端工具中心标定方法 | 2020-05-13 | 574 |
| 一种基于网络一体化和双目视觉技术的投掷物弹道轨迹测算系统 | 2020-05-14 | 386 |
| 一种基于同名标记点的双目视觉立体匹配方法及装置 | 2020-05-12 | 717 |
| 直线移动PTZ相机辅助双目PTZ视觉系统的主从跟踪方法 | 2020-05-13 | 398 |
| 一种用于虚拟定位的方法及设备 | 2020-05-13 | 532 |
| 一种基于虚拟现实与手势识别的远程呈现交互方法和系统 | 2020-05-14 | 254 |
| 一种基于编码结构光和双目的3D成像方法 | 2020-05-11 | 152 |
| 一种面向电力巡检任务的无人机双目视觉障碍物感知方法 | 2020-05-13 | 829 |
| 基于双目视觉的自动消防水炮的火焰检测方法 | 2020-05-13 | 242 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
