【技術實現步驟摘要】
本專利技術屬于水下機器人導航，特別是涉及一種基于yolov8與xfeat深度特征相結合的水下slam方法。
技術介紹
1、近年來，隨著科學技術的快速進步推動了水下機器人相關領域基礎技術的快速發展，如微處理器技術、傳感器技術和智能控制技術等。水下機器人可以搭載豐富的傳感器，例如聲吶、攝像頭和深度計等，水下機器人通過這些傳感器獲取周圍的環境信息，通過自身搭載的處理器可以實時并自主處理相關數據。水下機器人以其可以工作高危險、被污染以及零可見度的水域環境下工作的特點引起了國內外學者的關注。在此前提下，水下機器人自主導航技術也不斷地發展，因其廣闊的應用前景而引起研究人員更加全面的探索。
2、近年來，水下機器人集群在民用領域得到了廣泛的關注，在深海探索、環境監測、資源勘探、海底考古、軍事應用方方面面都得到了廣泛的應用；在海洋資源勘探中，水下機器人可以完成對海底地形的測繪、資源的勘探和周遭生態的監測；在水下災難救援、石油管道檢測等任務中，水下機器人可以完成災害信息采集、水下搜索和修復等任務。同時，水下機器人在軍事領域有著廣泛應用，可以執行情報偵察、水下監視、目標跟蹤、軍事打擊等作戰任務。在海洋戰場環境中，水下機器人自主收集情報并可以隱蔽環境精準打擊，例如隱蔽靠近，摧毀敵方水下潛艇、水面戰船航母等。世界各大研究中心正在無人自主方面布局水下機器人系統關鍵技術研究，以實現智能、自主、高效的水下作戰。
3、水下機器人能夠在極端海洋環境下工作，到達人類難以到達的海區，在探索人類未知世界發揮越來越重要的作用。通過自主航行控制、導航
技術實現思路
1、針對以上技術問題，本專利技術提供一種基于yolov8與xfeat深度特征相結合的水下slam方法。
2、本專利技術解決其技術問題采用的技術方案是：
3、基于yolov8與xfeat深度特征相結合的水下slam方法，所述方法包括以下步驟：
4、s100：獲取水下相機采集的圖像，并對圖像進行增強處理，得到增強后的圖像；
5、s200：采用yolov8對增強后的圖像進行處理，將圖像內的物體進行區分，分為動態目標和靜態目標，并對這些目標的檢測框坐標進行標記；
6、s300：使用輕量化深度特征xfeat特征對yolov8傳遞的圖像進行特征提取，并對目標檢測框內的特征點進行剔除，對保留的特征點進行特征匹配，將匹配結果傳遞進slam系統，利用特征匹配的結果實現精確定位和建圖。
7、優選地，s100包括：
8、s110：使用clahe算法，將輸入圖像分成多個小塊，對每個小塊計算其灰度直方圖；
9、s120：對每個小塊的直方圖進行均衡化，若某個灰度級別的像素數量超過了預設的閾值，多余的像素將被均勻分布到其他灰度級別中；
10、s130：使用插值，對于每個像素，計算其位于四個相鄰小塊中心的權重，并根據這些權重混合四個小塊的均衡化結果，最后輸出增強后的圖像。
11、優選地，s200包括：
12、s210：使用預訓練的yolov8模型加載權重，將增強后的圖像傳遞給yolov8模型進行目標檢測，得到檢測結果；其中，檢測結果包括檢測框的坐標、類別和置信度；
13、s220：根據檢測結果，預先將圖像內的物體劃分動態目標和靜態目標，依據檢測目標的檢測框劃分為動態檢測框和靜態檢測框。
14、優選地，s300包括：
15、s310：對yolov8傳遞的圖像進行預處理，調整大小，加載預訓練的xfeat模型，將預處理后的圖像傳遞給xfeat模型進行特征提取；xfeat模型包括主干網絡和獨立的卷積分支和融合塊；
16、s320：將預處理后的圖像分成多個8×8的小塊，并對每個小塊進行1×1的卷積操作處理，提取一個關鍵點熱圖k，用于標識圖像中潛在的關鍵點位置，關鍵點熱圖的每個元素代表了對應位置成為關鍵點的概率；
17、s330：當特征點在獲取的動態目標區域坐標的周圍2個像素內時，判斷為動態特征點；判斷這些動態特征點是否在靜態檢測框內，如果不在任何靜態檢測框內，標定為需要剔除的特征點，將這些特征點的坐標改為(-1,-1)，并剔除；
18、s340：通過主干網絡對原始的輸入圖像進行處理，用于提取圖像中的局部特征描述符；其中，主干網絡是通過一系列的卷積操作生成一個緊湊的64維密集描述符圖的網絡，包括六個卷積塊，每個卷積塊對輸入圖像下采樣；
19、s350：通過融合塊對不同層次或不同尺度的特征進行整合并輸出結果，得到緊湊的64-d密集描述符映射f和可靠性熱圖r，可靠性熱圖用于后續評估每個關鍵點的可靠性，其中每個元素代表了對應位置的關鍵點的可靠性分數；
20、s360：結合關鍵點熱圖k、可靠性熱圖r和在密集的局部特征映射f上進行匹配操作，再通過細化策略對匹配操作的輸出進行處理，得到最終的匹配結果并傳遞進slam系統。
21、優選地，s360具體為：
22、在密集的局部特征映射f上進行匹配操作，融合塊根據關鍵點熱圖k中提取的關鍵點位置，將這些特征從描述符圖f中提取相應的特征描述符，進行特征點匹配，并結合可靠性熱圖r中的可靠性分數，排除不可靠的關鍵點，并在匹配過程中更加關注可靠的關鍵點；
23、通過細化策略，先對匹配操作后的輸出圖像上采樣到原始圖像的分辨率，隨后進行ransac局部優化，最后，將局部優化后的輸出與可靠性熱圖進行加權融合，得到最終的匹配結果并傳遞進slam系統。
24、優選地，s100之前還包括：
25、在ros下使用啟動px4文件，建立機載電腦和飛控的imu的連接，并通過realsense啟動相機文件，同時啟動slam算法，在slam系統訂閱imu、相機傳感器的數據。
26、本專利技術能夠實現讓水下自主機器人克服水下惡劣光學環境，減弱動態目標干擾，實現較為精準的定位自身，同時保證實時性和魯棒性。
本文檔來自技高網...【技術保護點】
1.基于YOLOv8與XFeat深度特征相結合的水下SLAM方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，S100包括：
3.根據權利要求2所述的方法，其特征在于，S200包括：
4.根據權利要求3所述的方法，其特征在于，S300包括：
5.根據權利要求4所述的方法，其特征在于，S360具體為：
6.根據權利要求5所述的方法，其特征在于，S100之前還包括：
【技術特征摘要】
1.基于yolov8與xfeat深度特征相結合的水下slam方法，其特征在于，所述方法包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，s100包括：
3.根據權利要求2所述的方法，其特征在于，s2...
【專利技術屬性】
技術研發人員：繆志強，鄭逸恒，王耀南，張緒龍，梁橋康，陳羿宗，
申請(專利權)人：湖南大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。