劉文杰 ，劉小嬌，付 猛，姚玉波

（中國(guó)地質(zhì)調(diào)查局廊坊自然資源綜合調(diào)查中心，河北 廊坊 065000）

0 引言

隨著科學(xué)技術(shù)的高速發(fā)展，智能感知、移動(dòng)定位等技術(shù)慢慢滲透到人們的日常生活中，SLAM技術(shù)是其中之一。SLAM技術(shù)通過(guò)系統(tǒng)定位，可以迅速擬定圖像，完成對(duì)場(chǎng)景的初步構(gòu)建。這種技術(shù)大多應(yīng)用于不易發(fā)現(xiàn)、無(wú)法定位的條件，輔助安防、巡航、救援等活動(dòng)，通過(guò)視覺(jué)傳感技術(shù)進(jìn)行環(huán)境數(shù)據(jù)的采集分析處理。因?yàn)槠洫?dú)到的圖像處理能力，在構(gòu)建動(dòng)態(tài)場(chǎng)景及模擬地圖方面具有巨大的發(fā)展前景，未來(lái)可將這種技術(shù)應(yīng)用在物流運(yùn)輸、安保、醫(yī)療等多個(gè)基本民生行業(yè)。SLAM的構(gòu)建時(shí)間很短，但該技術(shù)在獲取環(huán)境信息的行業(yè)中應(yīng)用廣泛，例如，航天航空、無(wú)人機(jī)、航天探測(cè)等行業(yè)，其效果好、效率高，是目前對(duì)于環(huán)境處理的熱門技術(shù)。

當(dāng)下SLAM技術(shù)經(jīng)常應(yīng)用于靜態(tài)的環(huán)境，但在現(xiàn)實(shí)條件下靜態(tài)場(chǎng)景處理呈現(xiàn)效果一般，而且在工作環(huán)境中動(dòng)態(tài)場(chǎng)景占據(jù)比重大于靜態(tài)場(chǎng)景。為了更好地適應(yīng)動(dòng)態(tài)場(chǎng)景工作中的視覺(jué)提取，通過(guò)采用SLAM在建圖過(guò)程中進(jìn)行精準(zhǔn)的定位精度調(diào)動(dòng)，確保前一幀與后一幀的細(xì)化處理達(dá)到百分之八十的貼合程度。具體來(lái)看，就是在動(dòng)態(tài)場(chǎng)景固定誤差下使地圖精度得到提升。

1 基于視覺(jué)SLAM的動(dòng)態(tài)圖像處理方法

1.1 構(gòu)建ORB-SLAM2線程

構(gòu)建ORB-SLAM2線程是針對(duì)特征點(diǎn)進(jìn)行的圖像處理。ORB-SLAM2擁有較好的環(huán)境監(jiān)測(cè)穩(wěn)定性，可以通過(guò)ORB抓取跟蹤目標(biāo)的數(shù)據(jù)模型[1]。若跟蹤成功則采取恒速運(yùn)動(dòng)模型進(jìn)行追蹤。若跟蹤失敗，將重新定位跟蹤目標(biāo)數(shù)據(jù)，通過(guò)對(duì)局部地圖的提取，進(jìn)行關(guān)鍵幀的決策生成，最終實(shí)現(xiàn)整個(gè)ORB數(shù)據(jù)處理。特征點(diǎn)定位的前端視覺(jué)技術(shù)，可以確保計(jì)算過(guò)程中圖像提取的效率。ORB-SLAM2中ORB圖像特征提取還需要相對(duì)均勻地進(jìn)行數(shù)據(jù)處理，這種處理方式可以減少誤差。關(guān)鍵幀的識(shí)別一般選擇最近的地圖點(diǎn)，創(chuàng)建新點(diǎn)后再整體進(jìn)行閉環(huán)的檢測(cè)和修正。通過(guò)系統(tǒng)的運(yùn)行提取數(shù)據(jù)，確保視覺(jué)識(shí)別的精確程度。同時(shí)，對(duì)ORBSLAM2線程的優(yōu)化可消除動(dòng)態(tài)物體運(yùn)作過(guò)程的影響。具體的線程模式如圖1所示。

圖1 ORB-SLAM2線程搭建

在進(jìn)行ORB-SLAM2線程構(gòu)建中，數(shù)據(jù)的識(shí)別可以通過(guò)對(duì)相機(jī)拍攝后的位置進(jìn)行計(jì)算，通過(guò)數(shù)據(jù)庫(kù)信息比對(duì)進(jìn)行識(shí)別。也可以依靠視覺(jué)編輯表進(jìn)行處理，根據(jù)跟蹤目標(biāo)的運(yùn)動(dòng)幀數(shù)選擇相應(yīng)的模型分析數(shù)據(jù)。關(guān)鍵幀的生成與跟蹤狀態(tài)和運(yùn)動(dòng)速度有關(guān)[2]。ORBSLAM2對(duì)關(guān)鍵幀的選取較寬松，在具體操作中，關(guān)鍵幀在選擇上所滿足的條件必須要達(dá)到跟蹤目標(biāo)的有效特征點(diǎn)。圖像關(guān)鍵幀之間的間隔頻率、新觀測(cè)點(diǎn)數(shù)據(jù)、特征占比等相關(guān)因素都會(huì)影響到關(guān)鍵幀的選擇。

關(guān)鍵幀選擇完成后進(jìn)入局部地圖構(gòu)造，地圖初始化公示圖也會(huì)進(jìn)入循環(huán)監(jiān)測(cè)中。循環(huán)的閉環(huán)監(jiān)測(cè)融合完成后與循環(huán)結(jié)合，確保地圖的全局更新，最終實(shí)現(xiàn)整個(gè)閉環(huán)運(yùn)作的線程部署。

1.2 引入PSP網(wǎng)絡(luò)進(jìn)行圖像分割

在完成圖像幀數(shù)對(duì)比后進(jìn)行PSP網(wǎng)絡(luò)引入。PSP網(wǎng)絡(luò)可以針對(duì)匹配好的圖像幀來(lái)對(duì)應(yīng)點(diǎn)數(shù)，從而達(dá)到對(duì)數(shù)據(jù)信息的站位計(jì)算，進(jìn)而模擬出相應(yīng)的結(jié)構(gòu)化環(huán)境草圖。通過(guò)根據(jù)點(diǎn)的深入信息探測(cè)結(jié)構(gòu)環(huán)境與非結(jié)構(gòu)環(huán)境的不同站位，采用 AGV相機(jī)進(jìn)行深度探測(cè)。AGV攝像機(jī)能夠獲取多種點(diǎn)云數(shù)據(jù)，從而獲得更好的匹配效果。若要進(jìn)行對(duì)比，則可以通過(guò)不同的點(diǎn)云數(shù)據(jù)實(shí)現(xiàn)不同區(qū)域的上下優(yōu)化，進(jìn)而統(tǒng)籌全局[3]。采用PSP網(wǎng)絡(luò)的圖像網(wǎng)絡(luò)分割技術(shù)可以有效對(duì)人體像素進(jìn)行識(shí)別，并且通過(guò)分割歸類。具體的神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別與分割的應(yīng)用如圖2所示。

圖2 PSP圖像分割

神經(jīng)網(wǎng)絡(luò)在對(duì)運(yùn)動(dòng)中的物體進(jìn)行輪廓分割時(shí)，需要考慮不同物體運(yùn)動(dòng)屬性的差異。在進(jìn)行物體運(yùn)動(dòng)圖像分割時(shí)，要考慮每個(gè)物體的狀態(tài)[4]。例如，有的人處于靜止?fàn)顟B(tài)，而有的人處于運(yùn)動(dòng)狀態(tài)，要按不同類型去對(duì)待。通用的圖像分割網(wǎng)絡(luò)通過(guò)ORB抓取增加信息，預(yù)留出不同區(qū)域的圖像信息對(duì)齊層，再對(duì)目標(biāo)進(jìn)行像素分割。

1.3 剔除動(dòng)態(tài)點(diǎn)

在ORB采集原始圖像數(shù)據(jù)后，再輸入SLAM線程和PSP網(wǎng)絡(luò)進(jìn)行圖像分割。這時(shí)，最基本的關(guān)鍵幀處理完畢，動(dòng)態(tài)點(diǎn)在跟蹤中的特征提取時(shí)，將人作為動(dòng)態(tài)圖像目標(biāo)。經(jīng)過(guò)PSP分割過(guò)的圖像與在人身上的特征點(diǎn)進(jìn)行對(duì)比。在實(shí)際操作中，剔除人的動(dòng)態(tài)特征進(jìn)行站位模擬分析，結(jié)合ORB-SLAM2進(jìn)行局部動(dòng)態(tài)幀匹配[5]。

基于此的動(dòng)態(tài)點(diǎn)能獲得優(yōu)化后的空間整體的SLAM框架。獲得優(yōu)化后的物體位姿和空間點(diǎn)通過(guò)回環(huán)檢測(cè)來(lái)跟蹤線程。剔除動(dòng)態(tài)點(diǎn)需要精準(zhǔn)計(jì)算插入關(guān)鍵幀的時(shí)間，并且判斷估算的幀數(shù)的圖像站姿是否能在局部構(gòu)圖下實(shí)現(xiàn)最優(yōu)化重建。

用于估算圖像的相機(jī)位姿在局部建圖程序下進(jìn)行閉環(huán)監(jiān)測(cè)，在監(jiān)測(cè)中判斷關(guān)鍵幀與剔除的動(dòng)態(tài)點(diǎn)形成回環(huán)的程度。對(duì)通過(guò)局部?jī)?yōu)化的圖像序列可以進(jìn)行物體運(yùn)動(dòng)處理，達(dá)到深度圖像分割的稀疏識(shí)別的目的[6]。稀疏識(shí)別方法是在全局控制的線程下利用物體積累動(dòng)態(tài)數(shù)據(jù)進(jìn)行消除漂移的。

2 實(shí)驗(yàn)

為了驗(yàn)證本文設(shè)計(jì)的基于視覺(jué)SLAM的動(dòng)態(tài)圖像處理方法的有效性，將與傳統(tǒng)的技術(shù)動(dòng)態(tài)圖像處理方法進(jìn)行比較，驗(yàn)證哪種方法在精度上更準(zhǔn)確。

2.1 實(shí)驗(yàn)準(zhǔn)備

在本次實(shí)驗(yàn)中，選用標(biāo)準(zhǔn)的T U M RG B 數(shù)據(jù)集。數(shù)據(jù)集中的圖像包含3個(gè)實(shí)驗(yàn)動(dòng)態(tài)場(chǎng)景，分別用A1、A 2、A 3代表。每個(gè)動(dòng)態(tài)場(chǎng)景都匹配了高精度的數(shù)值信息。具體包括真實(shí)站姿信息和預(yù)位站姿信息。這些數(shù)據(jù)信息可以通過(guò)傳感器獲取。將設(shè)計(jì)構(gòu)建的ORB-SLAM2線程結(jié)合SLAM技術(shù)進(jìn)行了分析，在ORB處理下，數(shù)據(jù)集運(yùn)行產(chǎn)生的測(cè)試軌跡誤差。與傳統(tǒng)對(duì)于動(dòng)態(tài)圖像處理方法的運(yùn)行的軌跡誤差進(jìn)行對(duì)比分析。獲取的數(shù)據(jù)大部分應(yīng)用在算法實(shí)踐操作。具體的操作過(guò)程如下：

式中，Q是真實(shí)站姿；P是預(yù)位站姿；1代表時(shí)間參數(shù)； 代表時(shí)間間隔。在進(jìn)行傳感器獲取動(dòng)態(tài)數(shù)據(jù)的同時(shí)，利用動(dòng)態(tài)選擇的時(shí)間間隔計(jì)算出相對(duì)的站姿誤差。不同計(jì)算產(chǎn)生的數(shù)值在衡量下分為不同的局部精度。

2.2 實(shí)驗(yàn)結(jié)果

本次實(shí)驗(yàn)主要選取傳感器感應(yīng)的數(shù)值進(jìn)行計(jì)算，根據(jù)對(duì)不同局部區(qū)域圖像數(shù)據(jù)精度產(chǎn)生的軌跡誤差，分析具體改進(jìn)方法應(yīng)用后提高的百分比，具體計(jì)算公式見(jiàn)上文。

在視覺(jué)動(dòng)態(tài)的SLAM分析處理中，一般會(huì)比較估計(jì)絕對(duì)軌跡誤差、相對(duì)軌跡誤差和相對(duì)旋轉(zhuǎn)誤差，通過(guò)將這些誤差與真實(shí)軌跡的誤差進(jìn)行對(duì)比，哪種誤差指標(biāo)的偏差性小，那么其精確度就會(huì)更大。在具體分析中一些誤差指標(biāo)采用定量分析的方法處理數(shù)據(jù)。

可以根據(jù)如下方式定義絕對(duì)軌跡誤差和相對(duì)位姿誤差。具體的數(shù)據(jù)如表1所示。

表1 絕對(duì)軌跡誤差對(duì)比

從表1和表2中的結(jié)果即可得出結(jié)論，在前三個(gè)動(dòng)態(tài)場(chǎng)景序列下的環(huán)境下使用經(jīng)過(guò)修正后的設(shè)計(jì)方式，得到的相對(duì)位姿偏差、絕對(duì)軌跡誤差均出現(xiàn)明顯下降。結(jié)合更新后的OR B-SLA M 2系統(tǒng)的R mes、Mean、std等數(shù)據(jù)進(jìn)行了智能化處理，并進(jìn)行了以下的比較。結(jié)果顯示：本文設(shè)計(jì)的基于視覺(jué)SLA M的動(dòng)態(tài)圖像處理方法在精確程度上平均穩(wěn)定數(shù)值更好，相對(duì)位姿誤差和絕對(duì)軌跡誤差更小，這說(shuō)明設(shè)計(jì)的方法能夠更好地做到動(dòng)態(tài)圖像的信息處理。

表2 相對(duì)位姿誤差對(duì)比

3 結(jié)束語(yǔ)

本文為了驗(yàn)證基于視覺(jué)SLAM的動(dòng)態(tài)處理方法的有效性，通過(guò)設(shè)計(jì)的ORB-SLAM線程和動(dòng)態(tài)場(chǎng)景下結(jié)合PSP網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)運(yùn)作的圖像切割技術(shù)，實(shí)現(xiàn)了對(duì)ORB-SLAM和圖像分割的完美融合。雖然在對(duì)相對(duì)位姿誤差、絕對(duì)軌跡誤差在數(shù)據(jù)統(tǒng)計(jì)上可能做不到完全準(zhǔn)確無(wú)誤，但還是希望本文提出的研究方法能夠在學(xué)術(shù)上提供一定的價(jià)值參考?！?/p>