【技术实现步骤摘要】
一种基于因子图的逆深度估计方法
本专利技术属于图像处理和单目相机深度估计
,具体来说是一种基于因子图的逆深度估计方法。
技术介绍
随着人工智能技术的发展,对单目视觉SLAM(simultaneouslocalizationandmapping,即时定位与地图构建)的研究也越来越深入,其中一种重要的研究内容是单目视觉深度信息的估计,这也是单目视觉的一个研究难点。只有深度信息估计的准确,才能保证SLAM定位的准确性。而将概率图模型应用到深度估计中,这也是将人工智能的方法应用到SLAM中。
技术实现思路
本专利技术提出了一种基于因子图的逆深度估计方法,有效提高了单目相机深度估计的精度。本专利技术首先利用三角形方法求出图像中对应点的深度;然后利用因子图模型来优化相机的位姿,减少位姿误差对深度估计的影响;最后利用逆深度估计的方法对深度进行优化,提高其估计的精度。本专利技术提供的基于因子图的逆深度估计方法,包括如下步骤:步骤一、利用三角形方法测量空间中对应点的深度,其中利用了对极几何的基本原理;步骤二、利用因子图模型对单目相机进行建模,利用李群-李代数之间的转换关系将位姿估计转换为无约束的优化问题求解;步骤三、利用逆深度滤波方法来对深度进行滤波,将每次求得的逆深度进行融合,进而获得融合后的深度;利用上述得到的深度和余弦定理,可以测量空间中物体的长度,从而验证该方法的合理性。本专利技术的优点在于:(1)本专利技术将因子图模型引用到逆深度的测量中,既有利于该估计方法的扩展,也提高了估计的精度。(2)本专利技术利用李群-李代数之间的转换关系将位姿估计转换为无约束的优化问题 ...
【技术保护点】
1.一种基于因子图的逆深度估计方法,其特征在于:包括如下步骤,步骤一、利用三角形方法测量空间中任意一空间点的深度;步骤二、利用因子图模型对相机进行建模,利用李群‑李代数之间的转换关系将位姿估计转换为无约束的优化问题求解;建立因子模型,xi表示第i个相机位姿的节点,lj为路标节点,i=1,2,…,n;j=1,2,…,m;fi为因子函数,表示第i个相机的位姿相对于参考相机的位姿x0的关系,x0表示参考相机的位姿,假设因子函数fi满足如下形式的高斯分布:
【技术特征摘要】
1.一种基于因子图的逆深度估计方法,其特征在于:包括如下步骤,步骤一、利用三角形方法测量空间中任意一空间点的深度;步骤二、利用因子图模型对相机进行建模,利用李群-李代数之间的转换关系将位姿估计转换为无约束的优化问题求解;建立因子模型,xi表示第i个相机位姿的节点,lj为路标节点,i=1,2,…,n;j=1,2,…,m;fi为因子函数,表示第i个相机的位姿相对于参考相机的位姿x0的关系,x0表示参考相机的位姿,假设因子函数fi满足如下形式的高斯分布:其中,h(xi)为第i个相机的位姿的重投影函数,μi为第i个相机的位姿对应的像素坐标的均值,h(xi)-μi为重投影函数误差,σi2为第i个相机的位姿对应的像素坐标的方差;N()表示高斯分布函数,fi(xi)表示第i个相机的位姿xi相对于参考相机位姿x0的因子函数;因此,所有因子函数变量的联合概率分布写成因子乘积的形式:最大后验概率Xmax推断的形式为:对上式(6)取对数后,将最大后验概率Xmax推断问题转化为最小化非线性最小二乘和的问题:假设三维空间中某点的坐标为Ua=[Xa,Ya,Za]T,其投影的像素坐标为μa=[ua,va]T;通过k个空间点来计算相机的位姿R、t,[R|t]的李代数记为ξ,像素位置和空间点位置的关系如下:其中,sa为相机第a个空间点的深度,[R|t]表示相机的外参数矩阵,T=K[R|t]表示相机参数矩阵,ξ^表示相机外参数矩阵李代数的反对称矩阵;a=1,2,……,k;将式(8)写成矩阵的形式为:saμa=Kexp(ξ^)Ua(9)因此,重投影函数为:xia为第i个相机的第a个特征点,将重投影函数进行线性化,得到:h(xia)=h(xia0+Δxia)=h(xia0)+JΔxia(11)其中,J为雅克比矩阵,Δxia=xia-xia0,xia0为第i个相机第a个特征点的初始位姿;因此,相机位姿的误差函数表示为如下的形式:非线性最小化问题转化为:对上式(13)关于Δxia求导得到正规方程为:(JTJ)Δxia=JTb(14)采用列文伯格-马夸尔特方法对正规方程进行修正,修正后的方程如下:(JTJ+λI)Δxia=JTb(15)其中,I为n阶单位矩阵,λ为实数,当λ=0时,即为高斯-牛顿法;当λ很大时,即沿着误差函数负梯度的方向进行更新;下面求解雅克比矩阵J,假设空间点变换到相机坐标系下的坐标为U′=[X′,Y′,Z′]T,即:U′=exp(ξ^)Ua=[X′,Y′,Z′]T(16)因此相机投影模型转化为:利用方程(17)的第三行消去深度信息sa后,得到:fx为相机坐标系x方向的焦距,fy为相机坐标系y方向的焦距,cx为相机在像素坐标系中偏离光心x方向的像素数,cy为相机在像素坐标系中偏离光心y方向的像素数;因此,重投影坐标相对于所测量的像素坐标的误差函数为:eu为重投影在x方向的误差,ev为重投影在y方向的误差;利用链式法则对位姿进行求导,得到:其中,e=(eu,ev),δξ表示李代数ξ的变化量;公式(20)中第一项是误差关于投影点的导数,对(19)式进行求导,得到:公式(20)中第二项为变换后的点关于李代数的导数,空间点的变换为T=exp(ξ^),T左乘一个扰动为ΔT=exp(δξ^),假设扰动项的李代数为δξ=[δρ,δφ]T,其推导过程如下:取其前三维即得到U′关于位姿导数,...
【专利技术属性】
技术研发人员:吴森堂,刘文磊,李凯,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
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。