利用局部自适应阈值方法提取ORB-SLAM特征点

doi:10.13474/j.cnki.11-2246.2021.0269

测绘通报 ›› 2021, Vol. 0 ›› Issue (9): 32-36,48.doi: 10.13474/j.cnki.11-2246.2021.0269

利用局部自适应阈值方法提取ORB-SLAM特征点

李国竣¹, 徐延海^1,2, 段杰文¹, 韩石磊¹

1. 西华大学汽车与交通学院, 四川成都 610039;
2. 西华大学汽车测控与安全四川省重点实验室, 四川成都 610039

收稿日期:2020-09-10 修回日期:2021-03-18 出版日期:2021-09-25 发布日期:2021-10-11
通讯作者: 徐延海。E-mail:xuyanhai@mail.xhu.edu.cn
作者简介:李国竣(1994-),男,硕士生,主要研究方向为关于智能驾驶车辆的SLAM研究。E-mail:664904719@qq.com
基金资助:
国家自然科学基金（51775448）

ORB-SLAM method based on local adaptive threshold extraction feature points

LI Guojun¹, XU Yanhai^1,2, DUAN Jiewen¹, HAN Shilei¹

1. School of Automobile and Transportation, Xihua University, Chengdu 610039, China;
2. Sichuan Key Laboratory of Automotive Control and Safety, Xihua University, Chengdu 610039, China

Received:2020-09-10 Revised:2021-03-18 Online:2021-09-25 Published:2021-10-11

摘要/Abstract

摘要： 智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一，针对ORB-SLAM中的特征点提取为固定阈值的问题，本文提出了一种局部自适应阈值方法提取特征点。首先，对局部自适应阈值的计算方法进行了阐述，主要利用图像对比度设置自适应阈值；然后，在FAST算法基础上构建了高斯图像金字塔，采用灰度质心法解决特征点的尺度不变和旋转问题，在图像金字塔的每层图像中划分图像网格区域，并遍历计算每层图像网格区域的对比度来设置每个网格区域的局部阈值；最后，在每个图像网格区域中完成特征点提取并利用四叉树结构存储特征点。测试结果表明，本文算法在阴天场景提取的特征点数量比原算法提取的数量多61.9%，在光照充足场景下多23.3%；在阴天场景和光照充足场景下，本文算法提取的特征点数量的波动比原算法提取的特征点数量波动小。

关键词: ORB-SLAM, 局部自适应阈值, 特征点提取, FAST, 图像金字塔

Abstract: Localization and mapping of intelligent driving vehicles is one of the key technologies of intelligent driving vehicles. Aiming at the problem of feature points extracted as fixed threshold in ORB-SLAM a local adaptive threshold method is proposed to extract feature points.Firstly, the calculation method of local adaptive threshold is described, and the adaptive threshold is set by image contrast.Secondly, Gaussian image pyramid is constructed on the basis of FAST algorithm and gray-scale centroid method is adopted to solve the scale invariant and rotation problem of feature points. The image grid area is divided in each layer of image pyramid and the contrast of each layer of image grid area is calculated to set the local threshold of each grid area.Finally, feature points are extracted in each image grid area and stored in quadtree structure.The test results show that the number of feature points extracted by the proposed algorithm is 61.9% more than that extracted by the original algorithm in cloudy days, and 23.3% more than that extracted by the original algorithm in sunny days.In cloudy and well-lit scenes, the fluctuation of the number of feature points extracted by this algorithm is less than that of the original algorithm.

Key words: ORB-SLAM, local adaptive threshold, feature point extraction, FAST, image pyramid

中图分类号:

P237

李国竣, 徐延海, 段杰文, 韩石磊. 利用局部自适应阈值方法提取ORB-SLAM特征点[J]. 测绘通报, 2021, 0(9): 32-36,48.

LI Guojun, XU Yanhai, DUAN Jiewen, HAN Shilei. ORB-SLAM method based on local adaptive threshold extraction feature points[J]. Bulletin of Surveying and Mapping, 2021, 0(9): 32-36,48.

参考文献

[1] 刘强,段富海,桑勇,等.复杂环境下视觉SLAM闭环检测方法综述[J].机器人,2019,41(1):112-123.
[2] TAKASHI T. Introduction to simultaneous localization and mapping[J]. Journal of Robotics and Mechatronics, 2019,31(3):367-374.
[3] 沈燕芬,张小红,朱锋.ORB-SLAM2车载双目视觉的自主导航性能评估[J].导航定位学报,2018,6(2):29-35.
[4] 高翔.视觉SLAM十四讲——从理论到实践[M].北京:电子工业出版社,2019.
[5] 邸凯昌, 万文辉, 赵红颖, 等. 视觉SLAM技术的进展与应用[J]. 测绘学报, 2018, 47(6):770-779.
[6] ENGEL J, SCHPS T, CREMERS D. LSD-SLAM:large-scale direct monocular SLAM[C]//Proceedings of 2014 European Conference on Computer Vision.[S.l.]:Springer, Cham, 2014:834-849.
[7] DAVISON A J, REID I D, MOLTON N D, et al. MonoSLAM:real-time single camera SLAM[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2007, 29(6):1052-1067.
[8] MUR-ARTAL R, MONTIEL J M M, TARDOS J D. ORB-SLAM:a versatile and accurate monocular SLAM system[J]. IEEE Transactions on Robotics, 2017, 31(5):1147-1163.
[9] MUR-ARTAL R, TARDOS J D. ORB-SLAM2:an open-source SLAM system for monocular, stereo and RGB-D cameras[J]. IEEE Transactions on Robotics, 2017, 33(5):1255-1262.
[10] 柳长安,艾壮,赵丽娟.基于网格运动统计的自适应图像特征匹配算法[J].华中科技大学学报(自然科学版),2020,48(1):37-40.
[11] 谷晓琳,杨敏,张燚,等.一种基于半直接视觉里程计的RGB-D SLAM算法[J].机器人,2020,42(1):39-48.
[12] LI X, LING H. Hybrid camera pose estimation with online partitioning for SLAM[J]. IEEE Robotics and Automation Letters, 2020, 5(2):1453-1460.
[13] RUBLEE E,RABAUD V, KONOLIGE K, et al. ORB:an efficient alternative to SIFT or SURF[C]//Proceedings of IEEE International Conference on Computer Vision, ICCV 2011. Barcelona:IEEE, 2011.
[14] ROSTEN E, PORTER R, DRUMMOND T. Faster and better:a machine learning approach to corner detection[J]. IEEE Trans Pattern Anal Mach Intell, 2008, 32(1):105-119.
[15] 高绍姝,张晓东,金伟其.可见光与红外灰度融合图像感知对比度客观评价[J].北京理工大学学报,2018,38(7):715-720.
[16] 张一,姜挺,江刚武,等. 适用于高精度同时定位与地图构建的均衡化亚像素ORB特征提取方法[J]. 光学精密工程, 2018, 26(10):2575-2583.
[17] 张良桥, 陈国良, 许晓东,等. 一种用于图像特征提取的改进ORB-SLAM算法[J]. 测绘通报, 2019(3):16-20.

利用局部自适应阈值方法提取ORB-SLAM特征点

ORB-SLAM method based on local adaptive threshold extraction feature points

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

编辑推荐

Metrics

本文评价

[1]	段晨阳, 冯建中, 全斌, 白林燕, 王盼盼. 利用深度学习进行GF-6影像枣园检测识别[J]. 测绘通报, 2022, 0(3): 54-59.
[2]	程瑞, 高建, 邢强, 孙中昶. 一种优化的Faster R-CNN小目标检测方法[J]. 测绘通报, 2021, 0(9): 21-27.
[3]	马京振, 陈换新, 朱新铭, 张付兵. 利用Faster R-CNN进行立交桥自动识别与定位[J]. 测绘通报, 2021, 0(3): 28-32,86.
[4]	赵振强, 何水原, 梁永志. 基于Faster R-CNN的遥感影像船舶检测识别[J]. 测绘通报, 2021, 0(11): 59-64.
[5]	李志远, 王健, 于德亮, 孙文潇. 基于点云的地铁隧道断面精确拟合与形变分析[J]. 测绘通报, 2020, 0(8): 157-159.
[6]	李梓豪, 唐超, 郭文远. 改进的无人机影像处理技术在新冠疫情复工建设中的应用[J]. 测绘通报, 2020, 0(7): 53-57.
[7]	张进, 赵相伟, 栾吉山, 冯康, 艾波. 改进FAST和对立颜色特征的向量场一致性匹配[J]. 测绘通报, 2020, 0(11): 50-54.
[8]	张良桥, 陈国良, 许晓东, 连达军, 王睿. 一种用于图像特征提取的改进ORB-SLAM算法[J]. 测绘通报, 2019, 0(3): 16-20.
[9]	张阳, 李海森, 马礼, 王健, 郭企嘉, 祁晶, 闫铭. 基于ORB-SLAM2算法的水下机器人实时定位研究[J]. 测绘通报, 2019, 0(12): 1-7.
[10]	吉文来, 赵湘玉, 李明峰. 无人机影像特征联合提取与双向匹配研究[J]. 测绘通报, 2019, 0(12): 56-59,64.
[11]	杨孝翠, 孟万利. 基于对比度增强和形态学的遥感影像道路提取[J]. 测绘通报, 2017, 0(8): 45-49.
[12]	王鸿飞, 张建军, 丁辰, 骆亚波, 李峰, 李健. 精密三维测边网在FAST基准控制网中的应用[J]. 测绘通报, 2016, 0(9): 13-16.
[13]	詹银虎, 郑勇, 张超, 张中凯. FAST馈源舱精调机构位姿测量系统性能分析[J]. 测绘通报, 2015, 0(2): 23-28.
[14]	胡同喜牛雪峰谭洋陈新鹏. 基于SURF算法的无人机遥感影像拼接技术[J]. 测绘通报, 2015, 0(1): 55-58.