本发明涉及机器视觉与图像增强，尤其涉及一种受限资源下室内vslam的光照自适应调节方法及装置。
背景技术：
1、在当前技术领域，高级vslam(visual simultaneous localization andmapping)技术主要针对光照一致性环境进行优化设计，并且通常需要搭载高性能图形处理单元(gpu)以及高分辨率相机的中高端硬件平台以实现其功能，尽管这些系统能够满足市场上大多数应用场景的需求，但其较高的成本投入同时也成为了智能机器人技术推广普及的一个限制因素，资源受限硬件平台上，vslam系统如何在多变的光照条件下保持稳定和可靠的性能表现，成为了亟待解决的技术难题。
2、vslam系统主要分为直接法和特征点法，前者在特征稀少、纹理重复的环境中，虽能表现出其优势，但对光照敏感，多变光照下性能显著下降。在基于特征点法的vslam研究领域中，monoslam适用于小范围环境，但大环境中精度低且易漂移。ptam引入双线程并行计算与非线性优化。orb-slam、orb-slam2采用三线程并行架构和有向性fast以及旋转性brief(orb)特征。orb-slam3在前作基础上添加了对视觉-惯性融合的支持，允许在跟踪丢失后构建新地图，并在重定位后与旧地图进行合并，是首个全面利用先前信息的vslam系统。
3、但上述vslam算法普遍针对标准光照，无法有效应对复杂的多变光照场景。为应对挑战性的光照，he-slam针对低照度低对比度场景，基于orb-slam2系统框架引入了直方图均衡化(he)。为增加系统的使用场景，yangw等人将限制对比度自适应直方图均衡(clahe)整合到orb-slam2中。clahe作为一种局部图像增强算法，针对不同区域进行细致均衡化，有效地平衡局部细节和全局对比度。但clahe需要更多的计算资源，影响实时性能，在低信噪比场景中可能过度增强噪声，干扰特征点匹配。因此，clahe-slam可能需要与其他图像预处理方法相结合才能达到最优性能。基于fastslam框架，timk等人应用伽马校正(gc)优化不规则室外环境下的slam性能，但该方法依赖双目摄像头的视觉测距，易受光照和天气影响。haol等人采用自适应伽马校正(gc)和限制对比度直方图均衡化(clahe)结合视觉-惯性紧耦合优化，虽然在高光照环境下性能优越，但缺乏对环境光照变化的适应性。yul等人通过细分光照条件并结合自适应阈值技术提出了afe-orb-slam，该方法有效覆盖了实际应用中的大部分光照变化情况，由于光照分类策略不够精细，未充分考虑极端光照的特殊需求。基于深度学习的图像增强方法虽然能够提高vslam算法在多变光照条件下的鲁棒性，但其在移动机器人平台上的应用由于计算资源限制而受到制约。
4、与此同时，为了提高角点检测再补充场景下的准确性和适应性，学者们也进行了大量研究工作。guiducci最早使用振张和孔径度等特征进行楔形角点检测。rohrk扩展了角点类型，并采用最小二乘法进行角点定位。blaszka等人引入灰度和梯度参数，优化了检测的准确性。在susan算法中，smith采用基于阈值的usan区域，增强系统抗噪性能，但在复杂图像背景下表现欠佳。rosten等人提出了一种结合机器学习(featuresfromacceleratedsegmenttest，fast)的角点检测算法。随后，florentz等人在fast角点检测基础上加入了自适应阈值，降低了计算负担，但单一全局阈值难以适应图像内的局部变化。相比之下，xing等人提出了基于局部自适应阈值的角点检测算法，该算法根据图像局部特性动态调整阈值，虽然提高了对多样图像区域的适应性，但增加了计算复杂性，并在有大量噪声或特征点分布不均匀的场景中表现不佳。
技术实现思路
1、基于此，有必要针对上述问题，提出了一种受限资源下室内vslam的光照自适应调节方法及装置。
2、一种受限资源下室内vslam的光照自适应调节方法，该方法为：
3、获取原始彩色图像，并将所述原始彩色图像转换为仅包含亮度信息的灰度图像；
4、确定所述灰度图像的图像亮度分级；
5、根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像；
6、对所述最终图像进行自适应对比度指导的图像金字塔操作，为非标准光照的图片提取不同图像金字塔尺度上的信息；进行结合图像增强的fast角点检测，提取有用的特征点，同时，过滤噪点，获得多变光照环境下的特征点信息，将所述特征点信息输入至vslam系统中，进行同时定位与地图构建。
7、优选地，所述确定所述灰度图像的图像亮度分级，具体包括：
8、确定所述灰度图像中的平均亮度；
9、根据所述平均亮度和设定的亮度阈值，将所述灰度图像划分为四个亮度区间：极暗图像、暗图像、正常图像和亮图像。
10、优选地，所述确定所述灰度图像中的平均亮度，具体包括：根据确定灰度图像所有像素值的平均值，所述灰度图像所有像素值的平均值作为灰度图像的平均亮度，i(i,j)是图像在位置(i,j)的像素值，i，m是行数，n是列数，图像大小为m×n。
11、优选地，所述根据所述平均亮度和设定的亮度阈值，将所述灰度图像划分为四个亮度区间：极暗图像、暗图像、正常图像和亮图像，具体包括：根据确定对应的亮度区间；其中，tlow、tvery_low、thigh均为设定的亮度阈值。
12、优选地，所述根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像，具体包括：确定所述灰度图像的图像亮度分级为极暗图像时，根据参数γ对灰度图像进行伽马矫正，获得矫正后的灰度图像；根据所述矫正后的灰度图像进行clahe操作，获得最终图像。
13、优选地，所述根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像，具体包括：确定所述灰度图像的图像亮度分级为暗图像时，对所述灰度图像进行clahe操作，获得最终图像。
14、优选地，所述根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像，具体包括：确定所述灰度图像的图像亮度分级为亮图像时，确定所述灰度图像中每一个像素的负图像像素；根据所述灰度图像中每一个像素的负图像像素确定灰度图像的负图像平均亮度值，根据所述负图像平均亮度值将灰度图像分类为暗图像或极暗图像，当所述灰度图像分类为极暗图像时，根据参数γ对灰度图像进行伽马矫正，获得矫正后的灰度图像；根据所述矫正后的灰度图像进行clahe操作，获得最终图像；当所述灰度图像分类为暗图像时，对所述灰度图像进行clahe操作，获得最终图像。
15、优选地，所述根据参数γ对灰度图像进行伽马矫正，获得矫正后的灰度图像，具体包括：根据累计分布函数cdf特性确定参数γ：c(i)表示直到像素强度i的累积分布值，其中，h(j)表示像素强度j的频率，也就是直方图中强度为j的像素数量，表示8位灰度图像中所有像素的总数量，表示某像素强度的权重分布；
16、根据所述参数γ对灰度进行伽马矫正：i'γ(x,y)＝i(x,y)γ，获得伽马校正后的像素值；其中，i(x,y)是原始图像在(x,y)的像素值，i'γ(x,y)是伽马校正后的像素值。
17、优选地，所述对所述灰度图像进行clahe操作，获得最终图像、或者，根据所述矫正后的灰度图像进行clahe操作，获得最终图像，具体包括：根据确定灰度图像中每个子区域的像素值，其中，m'×n'是子区域的大小，l是像素强度的级别；
18、所述根据所述灰度图像中每个子区域的像素值和设定的对比度限制阈值比较结果，将超出对比度限制阈值的像素均匀分布到整个直方图，具体包括：假设i00、i01、i10和i11是四个相邻子区域的均衡化值：
19、其中，i'00、i'01、i'10、i'11分别是左上角、右上角、左下角、右下角进行线性插值得到当前像素位置的值，整个插值过程是对四个相邻子区域进行的，每个子区域都有一个相应的插值项，最终通过加权平均得到插值后的像素值i'b(x,y)。
20、一种受限资源下室内vslam的光照自适应调节装置，该装置包括：
21、转换单元，用于获取原始彩色图像，并将所述原始彩色图像转换为仅包含亮度信息的灰度图像；
22、亮度分级单元，用于确定所述灰度图像的图像亮度分级；
23、增强单元，用于根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像；
24、构建单元，用于对所述最终图像进行自适应对比度指导的图像金字塔操作，为非标准光照的图片提取不同图像金字塔尺度上的信息；进行结合图像增强的fast角点检测，提取有用的特征点，同时，过滤噪点，获得多变光照环境下的特征点信息，将所述特征点信息输入至vslam系统中，进行同时定位与地图构建。
25、采用本发明实施例，具有如下有益效果：本发明提出了一种结合clahe和阈值调整的fast角点检测算法，通过引入新的固定阈值，尽量保留fast角点检测在资源受限硬件上的计算效率，同时筛选出本应保留但因光照变化而被剔除的特征点。
1.一种受限资源下室内vslam的光照自适应调节方法，其特征在于，该方法为：
2.根据权利要求1所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，所述确定所述灰度图像的图像亮度分级，具体包括：
3.根据权利要求2所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，所述确定所述灰度图像中的平均亮度，具体包括：根据确定灰度图像所有像素值的平均值，所述灰度图像所有像素值的平均值作为灰度图像的平均亮度，i(i，j)是灰度图像在位置(i，j)的像素值，m是行数，n是列数，图像大小为m×n。
4.根据权利要求3所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，所述根据所述平均亮度和设定的亮度阈值，将所述灰度图像划分为四个亮度区间：极暗图像、暗图像、正常图像和亮图像，具体包括：根据确定对应的亮度区间；其中，tlow、tvery_low、thigh均为设定的亮度阈值。
5.根据权利要求1所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，所述根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像，具体包括：确定所述灰度图像的图像亮度分级为极暗图像时，根据参数γ对灰度图像进行伽马矫正，获得矫正后的灰度图像；根据所述矫正后的灰度图像进行clahe操作，获得最终图像。
6.根据权利要求1所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，所述根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像，具体包括：确定所述灰度图像的图像亮度分级为暗图像时，对所述灰度图像进行clahe操作，获得最终图像。
7.根据权利要求1所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，所述根据每张灰度图像的图像亮度分级进行对应的增强操作，获得最终图像，具体包括：确定所述灰度图像的图像亮度分级为亮图像时，确定所述灰度图像中每一个像素的负图像像素；根据所述灰度图像中每一个像素的负图像像素确定灰度图像的负图像平均亮度值，根据所述负图像平均亮度值将灰度图像分类为暗图像或极暗图像，当所述灰度图像分类为极暗图像时，根据参数γ对灰度图像进行伽马矫正，获得矫正后的灰度图像；根据所述矫正后的灰度图像进行clahe操作，获得最终图像；当所述灰度图像分类为暗图像时，对所述灰度图像进行clahe操作，获得最终图像。
8.根据权利要求5或6或7所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，所述根据参数γ对灰度图像进行伽马矫正，获得矫正后的灰度图像，具体包括：根据累计分布函数cdf特性确定参数γ：c(i)表示直到像素强度i的累积分布值，其中，h(j)表示像素强度j的频率，也就是直方图中强度为j的像素数量，表示8位灰度图像中所有像素的总数量，表示某像素强度的权重分布；
9.根据权利要求5或6或7所述的受限资源下室内vslam的光照自适应调节方法，其特征在于，根据所述矫正后的灰度图像进行clahe操作，获得最终图像，具体包括：根据确定灰度图像中每个子区域的像素值，其中，m′×n′是子区域的大小，l是像素强度的级别；
10.一种受限资源下室内vslam的光照自适应调节装置，其特征在于，该装置包括：
