水下視覺slam系統(tǒng)中的圖像處理方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及水下視覺SLAM系統(tǒng)，具體涉及一種水下視覺SLAM系統(tǒng)中的圖像處理 方法。
【背景技術(shù)】
[0002] 作為移動機器人自主導(dǎo)航的一個重要發(fā)展方向，以視覺為基礎(chǔ)的SLAM系統(tǒng)近年 來逐漸受到重視。SLAM(即時定位與地圖構(gòu)建）技術(shù)是移動機器人智能化的關(guān)鍵技術(shù)。當(dāng) 前的視覺SLAM主要依托于路標(biāo)的方法，即通過視覺傳感器獲取機器人所處的環(huán)境信息， 通過這些信息對自身進行定位和構(gòu)圖，其實現(xiàn)方法是SLAM常用的EKF(ExtendedKalman Filter，擴展卡爾曼濾波）和PF(Particlefilter，粒子濾波）等方法。
[0003]Montiel等人主要研宄了基于單目視覺的SLAM問題，他們主要利用了逆深度參數(shù) 化的方法。他在研宄中發(fā)現(xiàn)單目視覺提取出的特征點具有很強的不確定性，于是提出了利 用統(tǒng)一逆深度參數(shù)的方法對其進行準(zhǔn)確表達，隨后利用EKF實現(xiàn)了SLAM系統(tǒng)，并證明了該 系統(tǒng)可以應(yīng)用于大尺度的室內(nèi)外環(huán)境。
[0004] Se對基于視覺的移動機器人SLAM做了大量研宄，他利用三目攝像機來構(gòu)建系 統(tǒng)的外部傳感器系統(tǒng)，并采用SIFT的算法來獲取外部環(huán)境路標(biāo)。他利用RANSAC(Random SampleConsensus，隨機抽樣一致性）算法對機器人的定位情況進行驗證，然后對SIFT算 法提取出的路標(biāo)信息建立地圖庫，最終完成地圖創(chuàng)建的工作。但是，SIFT算法擁有許多的 優(yōu)點，但實時性是其面臨的一大難題，主要是由于特征描述符位數(shù)較大的緣故利用SIFT算 法，對一個目標(biāo)只需成功匹配3個及以上的特征點便可確認目標(biāo)的存在。然而一幅圖像中 SIFT算法往往可以提供上千個特征點，而這些特征點中50 %?80 %是用不到的，需要進行 濾除，它們在提取和匹配的過程中都將耗費大量的時間，嚴(yán)重影響了算法的實時性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的是：提供一種易于提取圖像特征、易于匹配路標(biāo)特征的水下視覺SLAM 系統(tǒng)中的圖像處理方法。
[0006] 本發(fā)明的技術(shù)方案是：
[0007] 一種水下視覺SLAM系統(tǒng)中的圖像處理方法，包括以下步驟：
[0008] S11 :建立水下成像模型：建立的模型包括對機器人在有效外力和噪聲條件下的 運動情況建立的載體運動模型，反映路標(biāo)方位信息的路標(biāo)模型和對視覺傳感器觀測環(huán)境路 標(biāo)并對路標(biāo)進行位置測量建立的測量模型；
[0009] S12 :處理水下環(huán)境因素對攝相機成像的影響：對機器人坐標(biāo)的定點進行修正，利 用暗原色圖像增強原理對水下光學(xué)圖像進行增強處理；
[0010] S13 :圖像特征提取及匹配：利用SIFT算法對感興趣的區(qū)域進行特征提取和匹配， 算出特征點的位置信息，然后特征描述矩陣和其位置信息放入地圖庫，以待匹配的特征點 為圓心，設(shè)定一個輻射范圍作為半徑畫出一個圓形，對圓形區(qū)域內(nèi)的點進行匹配。
[0011] 優(yōu)選的，所述步驟S12還包括水環(huán)境對光線色彩的吸收處理，海水對某一種單一 色彩的光束能量的衰減作用表達式如下：
[0012] I = l〇e_cL
[0013] 其中，^是單一色光束由空氣中進入水中時或在水中剛發(fā)射出時的能量；I該光束 在傳播過程中任一時刻余下的能量；L表示光束在海水中的傳播距離；c為海水對光線的衰 減系數(shù)，表示光線在海水中每傳播一米能量衰減的對數(shù)值，其單位為m1。
[0014] 優(yōu)選的，所述機器人坐標(biāo)的定點修正公式為：
【主權(quán)項】
1. 一種水下視覺SLAM系統(tǒng)中的圖像處理方法，其特征在于，包括以下步驟： 511 :建立水下成像模型：建立的模型包括對機器人在有效外力和噪聲條件下的運動 情況建立的載體運動模型，反映路標(biāo)方位信息的路標(biāo)模型和對視覺傳感器觀測環(huán)境路標(biāo)并 對路標(biāo)進行位置測量建立的測量模型； 512 :處理水下環(huán)境因素對攝相機成像的影響：對機器人坐標(biāo)的定點進行修正，利用暗 原色圖像增強原理對水下光學(xué)圖像進行增強處理； 513 :圖像特征提取及匹配：利用SIFT算法對感興趣的區(qū)域進行特征提取和匹配，算出 特征點的位置信息，然后特征描述矩陣和其位置信息放入地圖庫，以待匹配的特征點為圓 心，設(shè)定一個輻射范圍作為半徑畫出一個圓形，對圓形區(qū)域內(nèi)的點進行匹配。
2. 根據(jù)權(quán)利要求1所述的水下視覺SLAM系統(tǒng)中的圖像處理方法，其特征在于，所述步 驟S12還包括水環(huán)境對光線色彩的吸收處理，海水對某一種單一色彩的光束能量的衰減作 用表達式如下： I=I0e乩 其中，^是單一色光束由空氣中進入水中時或在水中剛發(fā)射出時的能量；I為該光束在 傳播過程中任一時刻余下的能量；L表示光束在海水中的傳播距離；c為海水對光線的衰減 系數(shù)，即光線在海水中每傳播一米能量衰減的對數(shù)值，其單位為m1。
3. 根據(jù)權(quán)利要求1所述的水下視覺SLAM系統(tǒng)中的圖像處理方法，其特征在于，所述機 器人坐標(biāo)的定點修正公式為：
其中，xA、yA為折射后的投影點A的坐標(biāo)，d為保護層玻璃到鏡頭間的距離，0和S分 別為入射光和折射光在y軸方向上的入射角，Y和A為入射光和折射光在x軸方向上的 入射角。
4. 根據(jù)權(quán)利要求1所述的水下視覺SLAM系統(tǒng)中的圖像處理方法，其特征在于，所 述增強處理需要進行去霧處理，在暗原色先驗規(guī)律的基礎(chǔ)上引入一個常數(shù)A，通過調(diào)整 入（〇〈A〈1)的值來保留一部分場景中的霧：
其中，S(x)為經(jīng)過去霧處理后的圖像，E為大氣光成分，E"表示光成分中的最大密度像 素，圖像中局部區(qū)域增強的程度由透射率t(x)決定，h為最小透射率，c為海水對光線的衰 減系數(shù)，D(x)為固定矩陣，y為特征點在水下坐標(biāo)系的中坐標(biāo)。
5. 根據(jù)權(quán)利要求1所述的水下視覺SLAM系統(tǒng)中的圖像處理方法，其特征在于，所述圖 像特征提取包括邊緣檢測，對提取邊緣進行膨脹處理，屏蔽小面積區(qū)域，改善邊緣毛刺，提 取邊緣曲線。
6. 根據(jù)權(quán)利要求5所述的水下視覺SLAM系統(tǒng)中的圖像處理方法，其特征在于，所述邊 緣檢測包括使用高斯濾波器對圖像進行平滑處理，用一階偏導(dǎo)有限差分計算梯度的幅值和 方向，用非極大值抑制，用雙閾值法檢測和連接邊緣。
7.根據(jù)權(quán)利要求1所述的水下視覺SLAM系統(tǒng)中的圖像處理方法，其特征在于，所述步 驟S13對圖像特征匹配之前進行數(shù)據(jù)關(guān)聯(lián)，刪除明顯不匹配的特征點，所述數(shù)據(jù)關(guān)聯(lián)為對 特征點在上下一定區(qū)域內(nèi)的點進行數(shù)據(jù)關(guān)聯(lián)，刪除區(qū)域外的點。
【專利摘要】<b>本發(fā)明公開了一種水下視覺</b><b>SLAM</b><b>系統(tǒng)中的圖像處理方法，包括建立水下成像模型，處理水下環(huán)境因素對攝相機成像的影響和圖像特征提取及匹配。該方法增強了后期水下環(huán)境圖像特征點的提取，新提出的基于改良的</b><b>SLAM</b><b>系統(tǒng)數(shù)據(jù)關(guān)聯(lián)方法匹配提取特征點，可以更加迅速準(zhǔn)確地提取特征點，提高了</b><b>SIFT</b><b>算法的實時性。將雙目相機的相對位置因素和路標(biāo)點位置因素作為輔助條件進行關(guān)聯(lián)的方法，可以有效地解決數(shù)據(jù)關(guān)聯(lián)中的誤匹配和匹配效率問題。</b>
【IPC分類】G06T7-00
【公開號】CN104574387
【申請?zhí)枴緾N201410833841
【發(fā)明人】楊平樂, 潘志宏, 張仕杰, 陳文博, 程海洋
【申請人】張家港江蘇科技大學(xué)產(chǎn)業(yè)技術(shù)研究院
【公開日】2015年4月29日
【申請日】2014年12月29日