(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210751093.6 (22)申请日 2022.06.28 (71)申请人 南京视道信息技 术有限公司 地址 211199 江苏省南京市江宁区东 山街 道天印大道696号7楼F座 申请人 电子科技大 学长三角研究院 （湖州） (72)发明人 方黎勇　王煜文　孙俊男　 (74)专利代理 机构 重庆天成卓越专利代理事务 所(普通合伙) 50240 专利代理师 王宏松 (51)Int.Cl. G06T 7/269(2017.01) G06T 7/246(2017.01) G06T 7/73(2017.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于改进DSO的动态 环境地图构建方法 (57)摘要 本发明提出了一种基于改进DSO的动态环境 地图构建方法， 包括以下步骤： S1， 图像数据采 集： 图像采集， 并转换为环境地图构建系统的输 入格式； S2， 梯度点提取： 使用DSO中原始的梯度 点检测算法对梯度点进行检测； S3， 动态目标检 测： 利用YOL O网络对图像中的动态目标进行检测 和识别； S4， 梯度点筛选： 根据检测结果对梯度点 进行筛选， 然后去除产生运动的梯度点， 得到静 止梯度点集； S5， 前端跟踪： 使用DSO中原始的跟 踪算法对所述静止梯度点集进行跟踪； S6， 后端 优化： 使用DSO中原始的优化算法根据多组图像 对所述相机位置与姿态进行优 化； S7， 地图构建： 使用DSO原始的地图构建算法进行地图构建。 本 发明能适用于复杂环境条件下且能快速完成地 图构建。 权利要求书3页 说明书9页 附图4页 CN 115131408 A 2022.09.30 CN 115131408 A 1.一种基于改进D SO的动态 环境地图构建方法， 其特 征在于， 包括以下步骤： S1， 图像数据采集： 根据构建地图的环境选择相机 完成图像采集， 并转换输入格式； S2， 梯度点 提取： 使用D SO中原始的梯度点检测算法对梯度点进行检测； S3， 动态目标检测： 利用YOLO网络对图像中的动态目标进行检测 和识别； S4， 梯度点筛选： 根据S3得到的动态目标检测结果对S2得到的梯度点进行筛选， 然后去 除在实际中产生 运动的梯度点， 得到静止梯度点 集S； S5， 前端跟踪： 使用DS O中原始的跟踪算法对所述静止梯度点集S进行跟踪， 完成相机位 置与姿态的计算； S6， 后端优化： 使用DS O中原始的优化算法根据多组图像对所述相机位置与姿态进行优 化； S7， 地图构建： 使用D SO原始的地图构建算法进行地图构建。 2.根据权利要求1所述的一种基于改进DSO的动态环境地图构建方法， 其特征在于， 所 述格式转换包括以下步骤： S11， 若采集的数据为视频格 式， 将视频分帧， 然后转换为图片格 式保存； 若采集的数据 为图像， 则直接转换为图片格式保存； S12， 按照时间顺序对所有图像数据进行命名， 从0号开始编号名称长度为6位， 长度不 够时使用0进行补齐， 并将图像大小 进行统一 转换； S13， 使用图像增强算法对图像进行增强， 用于缓解 光照对DSO建图的影响。 3.根据权利要求2所述的一种基于改进DSO的动态环境地图构建方法， 其特征在于， 所 述图像增强算法为Reti nex图像增强算法： log Ri(x,y)＝logIi(x,y)‑log[F(x,y)*Ii(x,y)] 其中Ri(x,y)为增强后图像； Ii(x,y)表示相机抓取到的图像信息； i为红、 绿、 蓝的通道之一， 或者 为单色通道； *为卷积运 算； F(x,y)为高斯环绕函数： 其中δ 为尺度常数； e为自然常数； x为相素的横坐标； y为相素的纵坐标。 4.根据权利要求1所述的一种基于改进DSO的动态环境地图构建方法， 其特征在于， 所 述S3包括以下步骤： S31， 利用改进的YOLO  V4‑Tiny网络对运动物体进行目标检测， 并输出运动物体的包围 框； S32， 将所有包围框数据以相同的边界坐标顺序进行保存， 数据之间用空格符隔开， 同 一张图中多个包围框使用换 行符隔开， 一张图像的包围框信息使用一个TXT 文本保存。权　利　要　求　书 1/3 页 2 CN 115131408 A 25.根据权利要求1所述的一种基于改进DSO的动态环境地图构建方法， 其特征在于， 所 述S4包括以下步骤： S41， 根据目标检测的结果计算基础矩阵； S42， 将包围框 外的数据归为静止梯度点 集S； S43， 利用梯度点几何约束法验证目标检测包围框中的梯度点是否产生了运动， 梯度点 若不满足梯度点几何约束法则说明该梯度点产生运动， 则删除； 若满足梯度点几何约束法， 则加入静止梯度点 集S。 6.根据权利要求5所述的一种基于改进DSO的动态环境地图构建方法， 其特征在于， 所 述S41包括： 读取图像对应的包围框信 息， 选择包围框外的8组梯度点进行基础矩阵的计算， 每组有 2个梯度点， 求 解方程如下 所示： 其中u1、 u2分别表示相邻两帧图像中对应梯度点的横坐标； v1、 v2分别表示相邻两帧图像中对应梯度点的纵横坐标； 为基础矩阵， fi,i＝1,2,...,9表示待求取的未知量； 或选择包围框 外的所有梯度点， 使用最小二乘法计算基础矩阵。 7.根据权利要求5所述的一种基于改进DSO的动态环境地图构建方法， 其特征在于， 所 述梯度点几何约束法为： 选定包围框外的2个梯度点ai1ai2， 选取原则分别 为包围框外左侧、 右侧、 上侧和下侧 共 四组， i＝1～4， 其中左侧为包围框上边线的延长线、 下边线的延长线、 左边线围成的区域， 右侧为包围框上边线的延 长线、 下边线的延 长线、 左边线围成的区域， 上侧为包围框左边线 的延长线、 右边线的延长线、 上边线围成的区域， 下侧 为包围框左边线的延长线、 右边线的 延长线、 下边线围成的区域； 并选择包围框内梯度点bj,0<j≤N， N为包围框中梯度点的个数， 构成一个三角形Δ ai1ai2bj， 然后使用光流法找到相邻帧中找到对应的梯度点， 构成三角形Δa ′i1a′i2b′j， 然后 量化并对比三角形Δai1ai2bj与三角形Δa ′i1a′i2b′j判断梯度点是否发生变化。 8.根据权利要求7所述的一种基于改进DSO的动态环境地图构建方法， 其特征在于， 所 述量化并对比三角形Δai1ai2bj与三角形Δa ′i1a′i2b′j判断梯度点是否发生变化包括： 使用下式对 包围框中的点进行评价， 得到 评价分数Sj： 其中ai1,ai2为包围框 外的梯度点； a′i1,a′i2为相邻帧匹配的梯度点；权　利　要　求　书 2/3 页 3 CN 115131408 A 3