python鱼眼图像识别_一种融合鱼眼图像与深度图像的动态环境视觉里程计方法与流程...

本发明涉及移动机器人同步定位与地图构建(SLAM)技术领域，尤其是适用于动态环境的基于鱼眼图像与深度图像的视觉里程计方法。

背景技术：

定位技术是移动机器人实现各项复杂任务的技术基础。里程计便是一类简单有效的定位方法，目前主要的里程计方法有轮式里程计和视觉里程计等。轮式里程计通过安装在车轮上的编码器，对各个车轮的行驶距离进行采集，根据轮式机器人运动学模型解算出机器人相对于初始位置的位姿。显然这种方法只适用于平面运动的轮式移动机器人，无法应用于腿式、轮腿式、履带式等结构形式的移动机器人。另外，由于轮子打滑、传动误差等因素的影响，造成轮式里程计的累计误差增大。视觉里程计采用视觉传感器，利用特征匹配、摄影几何、最优化等技术估计机器人的位姿，可以实现三维空间六自由度的运动估计，且不受轮子打滑的影响。鉴于上述优点，视觉里程计已经在水下机器人、无人机、腿式机器人、野外轮式机器人等领域得到了广泛的应用。

自从美国学者Nister于2004年提出视觉里程计的概念以来，涌现出了大量的视觉里程计算法。但是，大部分主流算法均具有一个很强的假设：机器人的运行环境是静态不变的。然而，实际环境中充满了各种各样运动的物体，如办公室内行走的职员、公路上运动的车辆等。这些运动物体，阻碍了传统算法在实际环境中的应用。

视觉里程计采用的相机有单目、双目、多目、RGB-D相机等。相比之下，RGB-D相机不仅能够采集彩色图像，还能够提供每个像素的深度信息，可以有效减少算法的复杂性，提高运动估计的精度。但是，大部分RGB-D相机的视场范围小。当相机进行快速旋转时，由于帧间图像重叠率低和运动模糊等原因，极易发生运动估计失败。

技术实现要素：

本发明的目的在于克服传统视觉里程计无法