1.一种基于双目视觉slam的动态场景密集建模方法,其特征在于,包括以下步骤:
s1,输入双目图像序列,根据已知的相机内参外参对图像进行纠正,对图像进行orb特征点提取,在每个双目像对中对左右影像的特征点进行匹配,并在连续双目帧的像对中进行时间序列上的匹配;
s2,基于多模型拟合进行运动分割,将相同运动的特征点聚类为一个运动模型参数,分割出场景中的相机自身运动模型和不同运动的动态物体运动模型,同时估计出相机和动态物体的运动;
s3,对估计出的相机和动态物体的位姿,进行局部光束法平差优化,得到相机和动态物体的轨迹;
s4,根据输入双目图像序列,进行超像素分割,并结合s2,获得运动物体全部像素点分割结果,进而获得动态物体密集三维模型和静态背景密集点云地图。
2.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法,其特征在于,所述获得的静态背景密集点云地图,进一步包括:
输入图像序列;
根据超像素分割,并结合s2,获得运动物体全部像素点分割结果;
将属于运动物体全部像素点作为外点去除,只对静态背景像素点部分进行rtabmap双目密集建图,最终得到静态背景密集点云地图。
3.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法,其特征在于,所述获得的动态物体密集三维模型,进一步包括:
输入图像序列;
根据图像序列进行libelas双目立体匹配,匹配得到密集深度信息;
结合运动物体全部像素点分割结果和libelas双目立体匹配得到的深度信息,获得单帧动态物体密集点云;
根据单帧动态物体密集点云,结合s3获得的帧间的变换矩阵,对单帧点云进行拼接,进而得到动态物体密集三维模型。
4.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法,其特征在于,所述基于多模型拟合进行运动分割包括单步运动分割,所述单步运动分割包括以下步骤:
通过基于局部窗口的随机采样,获得多个假设模型;
根据假设模型,利用量化残差对数据进行表示,判断假设模型的内点;
利用层次聚类对内点进行分类;
如果分类结果不收敛,则进行交替采样与聚类,直到最后结果收敛输出,输出场景中不同运动的运动模型。
5.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法,其特征在于,所述基于多模型拟合进行运动分割还包括连续帧运动分割,所述连续帧运动分割包括以下步骤:
首先将前后帧图像特征点进行关联,由于匹配精度和误匹配点带来的影响,属于同一运动模型的内点分割结果往往会参杂较少量其他模型内点;
通过k近邻算法投票对分割结果进行优化;
根据连续帧中运动估计的结果,去除不属于相应运动模型的外点,实现场景中相机自身运动模型和动态物体运动模型的精确分割。
6.根据权利要求1所述的基于双目视觉slam的动态场景密集建模方法,其特征在于,所述获得的运动物体全部像素点分割结果,进一步包括:
通过slic方法对单帧影像进行超像素分割,之后对每个超像素块进行块内落的各个运动模型模型点的计数,该块的运动模型与块内模型点最多的模型一致,若块内没有落模型点,则与最近邻的超像素块一致,完成每个超像素块运动模型的判断,获得所述动态物体全部像素点分割结果。
7.根据权利要求6所述的基于双目视觉slam的动态场景密集建模方法,其特征在于:所述超像素块为具有相似纹理、颜色、亮度等特征的相邻像素构成的有一定视觉意义的不规则像素块。