一种定位方法及系统技术方案

本发明专利技术公开了一种定位方法及系统。其中，该方法至少包括：获取图像序列；对所述图像序列中相邻两帧图像进行2D特征点的提取和匹配；获取提取和匹配后的2D特征点的3D特征点；通过帧间运动位移度量值和内点数量选择通过光流法或特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到当前时刻的旋转矩阵和当前时刻的平移向量；基于所述当前时刻的旋转矩阵和所述当前时刻的平移向量得到定位位置。本发明专利技术通过分别求出这两种方法所使用的帧间运动位移度量值和内点数量来灵活交替选择相应算法的计算结果，不仅加快了定位速度，而且提高了定位精度，在复杂环境下有很强的实用性。

Positioning method and system

The invention discloses a positioning method and a positioning system. Among them, the method at least comprises: acquiring an image sequence; for 2D feature point extraction and matching of the image sequence of two frames; 3D feature point extraction and matching after obtaining 2D feature points; through the inter frame displacement measure and interior point number selection will feature point matching of 2D feature points the corresponding 3D feature points and the current frame by optical flow method or feature matching method, get the translation vector rotation matrix in current time and current time; translation vector rotation matrix of the current time and the current time the location based on. The present invention were obtained by using the two methods of inter frame motion displacement measurement value and the number of points within the flexible alternative selection of the corresponding results of the algorithm, not only accelerate the localization speed, but also improve the positioning accuracy, and has a strong practicability in complex environment.

【技术实现步骤摘要】
一种定位方法及系统
本专利技术涉及图像处理和计算机视觉
，尤其涉及一种定位方法及系统。
技术介绍
视觉里程计仅仅通过获取运动物体或机器人相机获取的视觉信息来完成对运动物体或机器人的定位。传统里程计的缺点在于测量精度较差、数据不稳定，而视觉里程计可以有效克服传统里程计车轮打滑、远距离误差的问题，并可以解决机器人的精确自主定位问题。此技术已被广泛用于对地面机器人、水下机器人、微型无人机的定位中，它可以分为双目立体视觉里程计和单目视觉里程计，于2004年由Nister等首次提出。目前，单目视觉里程计的工作方法可以分为三类，即基于特征的方法、基于面的方法以及两种混合的方法。其中，基于特征的方法是目前主流的选择，本文也是选择基于特征的方法。对于单目来说，运动估计分为两类，一种是2D-2D方式，它仅需要相邻两帧之间匹配的特征点点集；另一种是3D-2D方式，它需要先通过前相邻两帧来得到3D点，并与第三帧的2D特征点进行配对。目前，针对单目视觉里程计的研究大部分集中在2D-2D方式上，小部分使用了3D-2D方式。这是因为，相比于2D-2D来说，3D-2D方法不仅需要点的三角化，计算法量相对复杂，而且还要得到精确的3D特征集以及考虑相机外参数的噪音问题。但是，相比于2D-2D来说，3D-2D方法具有更高的精度。因此，需要提出一种兼具快速和高精度的定位方法。
技术实现思路
本专利技术通过提供一种定位方法及系统，实现了快速和高精度的技术效果。本专利技术提供了一种定位方法，至少包括：获取图像序列；对所述图像序列中相邻两帧图像进行2D特征点的提取和匹配；获取提取和匹配后的2D特征点的3D特征点；通过帧间运动位移度量值和内点数量选择通过光流法或特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到当前时刻的旋转矩阵和当前时刻的平移向量；基于所述当前时刻的旋转矩阵和所述当前时刻的平移向量得到定位位置。进一步地，所述获取提取和匹配后的2D特征点的3D特征点，具体包括：获得所述相邻两帧图像的相机矩阵和其中，R1为前一帧图像的旋转矩阵，为所述旋转矩阵R1的取值；t1为前一帧图像的平移向量，为所述平移向量t1的取值；R2为后一帧图像的旋转矩阵，为所述旋转矩阵R2的取值；t2为后一帧图像的平移向量，为所述平移向量t2的取值；通过方程组计算得到xk、yk、zk，完成对所述3D特征点的提取；其中，x1和x2为一对匹配的2D特征点，x1＝[u1,v1,1]T，x2＝[u2,v2,1]T；k1和k2为比例系数；X为所述3D特征点，X＝[xk,yk,zk,1]T。进一步地，所述获得所述相邻两帧图像的相机矩阵和具体包括：通过八点算法对公式x′＝Ex中的本质矩阵E采用奇异值分解分别得到所述R1、t1、R2和t2。进一步地，所述通过帧间运动位移度量值和内点数量选择通过光流法或特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到当前时刻的旋转矩阵和当前时刻的平移向量，具体包括：如果只有所述光流法的帧间运动位移度量值在预设范围内，通过所述光流法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；如果只有所述特征匹配法的帧间运动位移度量值在所述预设范围内，通过所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；如果所述光流法和所述特征匹配法的帧间运动位移度量值均在所述预设范围内，比较所述光流法的内点数量N1与所述特征匹配法的内点数量N2的大小；若N1大于N2，通过所述光流法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；若N1小于N2，通过所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；若N1等于N2，通过所述光流法或所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量。进一步地，所述基于所述当前时刻的旋转矩阵和所述当前时刻的平移向量得到定位位置，具体包括：通过公式计算得到Rpos和tpos；其中，Rcurr为所述当前时刻的旋转矩阵，tcurr为所述当前时刻的平移向量，Rpos为当前时刻与上一时刻的旋转矩阵累积乘，tpos为当前时刻的累积位移；基于所述Rpos和所述tpos得到所述定位位置。本专利技术提供的定位系统，至少包括：图像序列获取模块，用于获取图像序列；2D特征点提取和匹配模块，用于对所述图像序列中相邻两帧图像进行2D特征点的提取和匹配；3D特征点获取模块，用于获取提取和匹配后的2D特征点的3D特征点；运算模块，用于通过帧间运动位移度量值和内点数量选择通过光流法或特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到当前时刻的旋转矩阵和当前时刻的平移向量；定位模块，用于基于所述当前时刻的旋转矩阵和所述当前时刻的平移向量得到定位位置。进一步地，所述3D特征点获取模块，具体包括：相机矩阵获取单元，用于获得所述相邻两帧图像的相机矩阵和其中，R1为前一帧图像的旋转矩阵，为所述旋转矩阵R1的取值；t1为前一帧图像的平移向量，为所述平移向量t1的取值；R2为后一帧图像的旋转矩阵，为所述旋转矩阵R2的取值；t2为后一帧图像的平移向量，为所述平移向量t2的取值；特征点提取执行单元，用于通过方程组计算得到xk、yk、zk，完成对所述3D特征点的提取；其中，x1和x2为一对匹配的2D特征点，x1＝[u1,v1,1]T，x2＝[u2,v2,1]T；k1和k2为比例系数；X为所述3D特征点，X＝[xk,yk,zk,1]T。进一步地，所述相机矩阵获取单元，具体用于通过八点算法对公式x′＝Ex中的本质矩阵E采用奇异值分解分别得到所述R1、t1、R2和t2。进一步地，所述运算模块，具体包括：第一判断单元，用于如果判断结果为只有所述光流法的帧间运动位移度量值在预设范围内，通过所述光流法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；第二判断单元，用于如果判断结果为只有所述特征匹配法的帧间运动位移度量值在所述预设范围内，通过所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；第三判断单元，用于如果判断结果为所述光流法和所述特征匹配法的帧间运动位移度量值均在所述预设范围内，比较所述光流法的内点数量N1与所述特征匹配法的内点数量N2的大小；若N1大于N2，通过所述光流法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；若N1小于N2，通过所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；若N1等于N2，通过所述光流法或所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量。进本文档来自技高网...

【技术保护点】
一种定位方法，其特征在于，至少包括：获取图像序列；对所述图像序列中相邻两帧图像进行2D特征点的提取和匹配；获取提取和匹配后的2D特征点的3D特征点；通过帧间运动位移度量值和内点数量选择通过光流法或特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到当前时刻的旋转矩阵和当前时刻的平移向量；基于所述当前时刻的旋转矩阵和所述当前时刻的平移向量得到定位位置。

【技术特征摘要】
1.一种定位方法，其特征在于，至少包括：获取图像序列；对所述图像序列中相邻两帧图像进行2D特征点的提取和匹配；获取提取和匹配后的2D特征点的3D特征点；通过帧间运动位移度量值和内点数量选择通过光流法或特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到当前时刻的旋转矩阵和当前时刻的平移向量；基于所述当前时刻的旋转矩阵和所述当前时刻的平移向量得到定位位置。2.如权利要求1所述的方法，其特征在于，所述获取提取和匹配后的2D特征点的3D特征点，具体包括：获得所述相邻两帧图像的相机矩阵和其中，R1为前一帧图像的旋转矩阵，为所述旋转矩阵R1的取值；t1为前一帧图像的平移向量，为所述平移向量t1的取值；R2为后一帧图像的旋转矩阵，为所述旋转矩阵R2的取值；t2为后一帧图像的平移向量，为所述平移向量t2的取值；通过方程组计算得到xk、yk、zk，完成对所述3D特征点的提取；其中，x1和x2为一对匹配的2D特征点，x1＝[u1,v1,1]T，x2＝[u2,v2,1]T；k1和k2为比例系数；X为所述3D特征点，X＝[xk,yk,zk,1]T。3.如权利要求2所述的方法，其特征在于，所述获得所述相邻两帧图像的相机矩阵和具体包括：通过八点算法对公式x′＝Ex中的本质矩阵E采用奇异值分解分别得到所述R1、t1、R2和t2。4.如权利要求1所述的方法，其特征在于，所述通过帧间运动位移度量值和内点数量选择通过光流法或特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到当前时刻的旋转矩阵和当前时刻的平移向量，具体包括：如果只有所述光流法的帧间运动位移度量值在预设范围内，通过所述光流法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；如果只有所述特征匹配法的帧间运动位移度量值在所述预设范围内，通过所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；如果所述光流法和所述特征匹配法的帧间运动位移度量值均在所述预设范围内，比较所述光流法的内点数量N1与所述特征匹配法的内点数量N2的大小；若N1大于N2，通过所述光流法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；若N1小于N2，通过所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量；若N1等于N2，通过所述光流法或所述特征匹配法将所述3D特征点对应的2D特征点与当前帧的特征点进行匹配，得到所述当前时刻的旋转矩阵和所述当前时刻的平移向量。5.如权利要求1-4中任一项所述的方法，其特征在于，所述基于所述当前时刻的旋转矩阵和所述当前时刻的平移向量得到定位位置，具体包括：通过公式计算得到Rpos和tpos；其中，Rcurr为所述当前时刻的旋转矩阵，tcurr为所述当前时刻的平移向量，Rpos为当前时刻与上一时刻的旋转矩阵累积乘，tpos为当前时刻的累积位移；基于所述Rpos和所述tpos得到所述定位位置。6.一种定位...

【专利技术属性】
技术研发人员：张瑶，李迅，袁博，刘敦浩，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：湖北,42