一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法与流程

本发明涉及机器人视觉定位的技术领域，尤其涉及到一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法。

背景技术：

使用单目视觉在已有的环境模型中实现定位，是移动机器人实现视觉导航的重要组成部分。在视觉导航问题中，得到移动机器人的实时定位至关重要。

目前的单目视觉定位方案，往往利用特征点以及特征点描述符的匹配，实现移动机器人的视觉定位。

然而在数据匹配问题中，由于特征点描述符在面对视角变化、光照变化等方面存在不确定性，使得特征点的正确匹配难以实现。

技术实现要素：

本发明的目的在于克服现有技术的不足，提出一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法。通过基于采集图像密度及其分布情况的完整度评估，并利用该完整度评估结果，对环境建模的完成与否进行判断，从而提高最终建立的环境模型数据的完整度。通过具有丰富的环境数据量的模型，提高在该环境模型下的正确数据关联几率，进而提高单目视觉定位的可靠性。

为实现上述目的，本发明所提供的技术方案为：

一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法，首先建立环境表达模型；然后对建立的环境表达模型进行完整度评估；最后利用完整度评估的结果，对环境建模的完成与否进行判断，当满足要求才停止探索，从而提高最终建立的环境模型数据的完整度，进而提高单目视觉定位的可靠性。

进一步地，所述建立的模型以图的拓扑形式表达；其中图的节点表示已收集到的各个图像；图中的边，表达已有节点的相对关系；每个节点对应建立的模型中一个采集图像；边的建立，通过节点所对应图像的像素数据关联计算得到。

进一步地，所述的完整度评估包括基于密度的完整度评估和基于分布的完整度评估；

当基于密度的完整度评估满足要求后，才进入基于分布的完整度评估阶段；

总的判断结果：j^termination＝j^distribution&j^density。

进一步地，所述基于密度的完整度评估具体为：

每采集一个新的图像k，便建立一个新的节点，对该节点可建立的与已有节点间的边数量进行统计，当节点分布密度越高，其可建立的边的数目ek越多；当可建立的边数量大于给定阈值t^e的情况下，认为密度评估满足要求，从而进入基于分布的完整度评估阶段；该判据结果j^density表达为：

进一步地，所述基于分布的完整度评估的具体过程如下：

a：将当前建立的环境表达模型网格化；

b：在该网格化的环境表达中，所有采集到的图像节点归类到对应的某一个网格中；

c：统计每个网格的图像数量以及图像的分布姿态，评估每个网格中图像采集的分布完整度；

d：根据步骤c所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分n^c；

e：结合整个视觉环境模型的分布完整度得分n^c和给定基于分布评估的阈值为t^c，得到分布判据的结果j^distribution。

进一步地，所述步骤c中，使用均匀分布的参数化表达作为视觉构图的完整度评估标准；具体步骤如下：

(1)计算每个网格gi中所采集图像的角度姿态的统计分布；

(2)统计一个网格中所有图像姿态的角度集合的均值及其标准差并将该两个数值与理想均匀分布的均值mideal和标准差videal用于计算实际分布参数以及理想分布参数的欧式距离，从而得到已建模模型在该网格的姿态分布与理想的姿态分布间的距离；此处的理想均匀分布，定义为u(-π,π)，从而该u(-π,π)分布的参数化表达mideal和videal可得；

(3)根据该距离，评估单个网格中图像采集的分布完整度：

两者距离越大，说明当前建模与理想化建模的情况差别越大，其完整度亦越低；

对于网格gi的完整度的计算定义为：

进一步地，所述步骤d中，根据步骤c所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分n^c；计算公式如下：

其中，j为环境中所有网格的个数。

进一步地，所述步骤e的具体计算过程如下：

给定基于分布评估的阈值为t^c，进而得到分布判据的结果j^distribution表达为：

与现有技术相比，本方案原理和优点如下：

1.通过视觉模型建模的完整度评估，提高视觉定位可靠性。

2.采用双层式的环境模型完整度评估方法，即：利用图论拓扑形式的环境模型表达，计算视觉建立模型中采集图像的密度，以及利用网格化的环境模型，计算视觉建立模型所采集图像在环境模型中的姿态分布，两者结合以评价环境探索完整度，大大提高视觉定位的精度。

附图说明

图1为本发明一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法的流程图；

图2为本发明一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法中密度与边的关系示意图；

图3为本发明一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法中环境表达模型网格化后的表达示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

参见图1所示，本实施例所述的一种通过环境模型完整度评估以提高单目视觉定位可靠性的方法，首先建立环境表达模型；然后对建立的环境表达模型进行完整度评估；利用完整度评估的结果，对环境建模的完成与否进行判断，当满足要求才停止探索。

具体地，建立的模型以图的拓扑形式表达；其中图的节点表示已收集到的各个图像；图中的边，表达已有节点的相对关系；每个节点对应建立的模型中一个采集图像；边的建立，通过节点所对应图像的像素数据关联计算得到。

完整度评估包括基于密度的完整度评估和基于分布的完整度评估。

当基于密度的完整度评估满足要求后，才进入基于分布的完整度评估阶段。

其中，基于密度的完整度评估具体为：

每采集一个新的图像k，便建立一个新的节点，对该节点可建立的与已有节点间的边数量进行统计，当节点分布密度越高，其可建立的边的数目ek越多；如图2所示，左图为密度较低下情况，其可建立边少；右图为密度较高下情况，其可建立的边更多。当可建立的边数量大于给定阈值t^e的情况下，认为密度评估满足要求，从而进入基于分布的完整度评估阶段；该判据结果j^density表达为：

基于分布的完整度评估的具体过程如下：

a：将当前建立的环境表达模型网格化；

b：在该网格化的环境表达中，所有采集到的图像节点归类到对应的某一个网格中；

c：统计每个网格的图像数量以及图像的分布姿态，评估每个网格中图像采集的分布完整度：

对于图像匹配而言，除了网格中的图像密度外，还需要考虑网格中图像的有效性，本实施例通过图像的面向角度对各个图像的有效性就行评估。如图3所示，左图为环境模型网格化后的表达；右图为采集图像姿态以及相应的角度，图像间的姿态角度离散程度越高，姿态分布越均匀，其探索环境的覆盖视角就越大，该网格的探索完整度也就越高。此处使用均匀分布的参数化表达作为视觉构图的完整度评估标准；具体步骤如下：

(1)计算每个网格gi中所采集图像的角度姿态的统计分布；

(2)统计一个网格中所有图像姿态的角度集合的均值及其标准差并将该两个数值与理想均匀分布的均值mideal和标准差videal计算实际分布参数与理想分布参数之间欧式距离，从而得到已建模模型在该网格的姿态分布与理想的姿态分布间的距离；此处的理想均匀分布，定义为u(-π,π)，从而该u(-π,π)分布的参数化表达mideal和videal可得；

(3)根据该距离，评估单个网格中图像采集的分布完整度：

两者距离越大，说明当前建模与理想化建模的情况差别越大，其完整度亦越低；

对于网格gi的完整度的计算定义为：

d：根据步骤c所得到的每个网格的分布完整度得分统计整个视觉环境模型的分布完整度得分n^c；计算公式如下：

其中，j为环境中所有网格的个数。

e：结合整个视觉环境模型的分布完整度得分n^c和给定基于分布评估的阈值为t^c，得到分布判据的结果j^distribution：

总的判断结果：j^termination＝j^distribution&j^density。

当探索过程获得的环境模型满足本实施例提出的两层递进式完整度评估后，可得到一个环境刻画足够完整的模型。由于该模型中所采集图像的密度以及分布均匀情况都已经过验证，故该模型中的图像信息足够完整，可提高单目视觉在该建立模型中的正确数据关联几率，从而提高视觉定位系统的可靠性。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。