【技术实现步骤摘要】
特征融合的RGB-D相机运动估计方法
本专利技术属于机器视觉
,具体涉及一种特征融合的RGB-D相机运动估计方法。
技术介绍
近些年来,随着图像处理技术的快速发展和各种视觉传感器的出现,基于视觉的移动机器人得到越来越多的关注。相比激光雷达、毫米波雷达等,视觉传感器可以获取更加丰富的环境信息,同时还能降低成本。视觉里程计(VisualOdometry,VO)是仅通过视觉传感器来估计相机或与其相连的本体(例如:汽车、人或移动机器人等)的运动过程。它是视觉同时定位与地图创建(VSLAM)的一个子问题,是移动机器人实现自主导航的核心问题。常用的视觉传感器,包括单目相机,双目相机,全景相机和RGB-D相机。RGB-D相机,如微软的Kinect、PrimerSense、华硕XtionPROLive、奥比中光等已经引起了极大的兴趣,不仅是因为它的重量轻、成本低,更为重要的是该类相机能同时提供颜色和深度信息。深度信息可以解决单目相机中的尺度问题。与双目相机相比,RGB-D相机的物理测量节省了大量的深度信息计算过程。目前,主流的相机运动估计方法大致分为特征点法(如SIFT、SURF、ORB等)和直接法。它们都对光照变化较为敏感,且特征点法易受到特征不均匀分布的影响,算法的鲁棒性较差,不能满足应用需求。
技术实现思路
本专利技术的目的是为了解决现有相机运动估计方法中易受光照影响和不均匀特征分布带来较大噪声的问题。提出一种基于点和线特征融合的鲁棒性RGB-D相机运动估计方法。为了实现上述技术目的,本专利技术的技术方案是,一种特征融合的RGB-D相机运动估计方法,包括以下步骤: ...
【技术保护点】
一种特征融合的RGB‑D相机运动估计方法,其特征在于,包括以下步骤:步骤一,二维点和直线特征提取:在RGB图片上,分别用特征点检测算法和直线分割检测算法来提取二维特征点和二维特征直线;步骤二,特征反投影至三维并做不确定性分析:结合深度信息,利用针孔相机模型,将提取的二维特征点和二维特征直线反投影到三维,在高斯噪声分布的假设下,分别对三维点和三维直线进行不确定性分析;步骤三,特征匹配:对于点特征,计算特征点检测算法描述子并对连续两帧的点特征进行匹配;对于直线特征,计算其均值标准差描述子并进行匹配;然后用随机采样一致性算法去除误匹配;步骤四,相机运动的估计:利用不确定性信息,对相机运动做极大似然估计;通过列文伯格算法对问题的目标函数进行求解,得到相机的位姿。
【技术特征摘要】
1.一种特征融合的RGB-D相机运动估计方法,其特征在于,包括以下步骤:步骤一,二维点和直线特征提取:在RGB图片上,分别用特征点检测算法和直线分割检测算法来提取二维特征点和二维特征直线;步骤二,特征反投影至三维并做不确定性分析:结合深度信息,利用针孔相机模型,将提取的二维特征点和二维特征直线反投影到三维,在高斯噪声分布的假设下,分别对三维点和三维直线进行不确定性分析;步骤三,特征匹配:对于点特征,计算特征点检测算法描述子并对连续两帧的点特征进行匹配;对于直线特征,计算其均值标准差描述子并进行匹配;然后用随机采样一致性算法去除误匹配;步骤四,相机运动的估计:利用不确定性信息,对相机运动做极大似然估计;通过列文伯格算法对问题的目标函数进行求解,得到相机的位姿。2.根据权利要求1所述的一种特征融合的RGB-D相机运动估计方法,其特征在于,所述的步骤一包括以下步骤:对于一幅RGB图,通过特征点检测算法获得二维特征点,同时,通过直线分割检测算法获得二维特征直线,得到特征集合{pi,lj|i=1,2,…,j=1,2,…},其中二维点pi=[ui,vi]T,二维直线[ui,vi]T表示点pi的像素坐标,aj和bj为直线lj的两个端点。3.根据权利要求1所述的一种特征融合的RGB-D相机运动估计方法,其特征在于,所述的步骤二包括以下步骤:步骤1,三维点特征与不确定性分析:将图像中的二维点p通过针孔相机模型,反投影到三维得到三维点P:其中(u,v)表示二维点p对应的像素坐标,d为二维点p对应的深度值,[cu,cv]T为相机的光圈中心,fc为焦距;以二维点p的噪声是均值为0,协方差为的高斯分布,二维点p的深度值d的噪声与测量值成二次函数关系,即δd=c1d2+c2d+c3,常数系数c1、c2和c3通过实验获得,三维点的不确定性为:其中,噪声的协方差矩阵雅克比矩阵其中,I2是2维单位矩阵,δ为噪声方差;步骤2,三维直线特征和不确定性分析:将二维直线采样足够多个点,舍弃深度值异常的点,根据公式(1)计算剩余点的三维坐标;然后采用随机采样一致性算法耐去除由于深度噪声影响在二维直线反投影到三维之后出现的局外点,并得到拟合的三维直线方程;用L=[AT,BT]T来表示对应的三维直线,其中AT,BT是三维直线上的两个三维点;通过计算这些二维采样点所对应的三维点与所估计的三维直线L的马氏距离来度量三维直线的不确定性;三维点P=[x,y,z]T到三维直线L=[AT,BT]T的马氏距离定义如下:其中,Q∈L是直线L上的一个任意点;有Q=A+λ(B-A),则Q的优化估计Q*,定义δ(P-L)=P-Q*(4)则三维点P到三维直线L的马氏距离为
【专利技术属性】
技术研发人员:陈白帆,刘春发,宋德臻,王斌,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。