【技术实现步骤摘要】
一种已知场景中运动目标的自定位方法
本专利技术涉及一种已知场景中运动目标的自定位方法。
技术介绍
近年来，在诸如大型广场安防、机场场面活动引导与控制、港口生产作业区运行状态监控、工业园区管控等已知场景(指事先可获得其图像、三维模型等信息的场景)中,增强现实(AugmentedReality,AR)技术得到了越来越多的应用。实现AR需要把虚拟对象置于真实环境或真实环境的实时视频中，在真实环境或真实视频上进行信息扩增，这就对场景中运动目标的定位(包括位置和姿态)的精度提出了较高的要求。另外，在上述场景中自动驾驶展现了比一般开放场景更令人期待的应用前景，自动驾驶中车辆需要对自身进行高精度的定位。目前主流的室外定位技术包括：GPS、惯性传感器(IMU)、光学雷达(LiDAR)、视觉定位等。其中，GPS最为常用，但在复杂动态环境中存在多路径反射问题，容易导致定位精度不足，加上更新频率低(10Hz)，在目标快速运动时难以实时精准定位；IMU通过测量加速度和旋转运动实现定位，更新频率高(1KHz)，可提供实时定位，但误差会随时间累...
【技术保护点】
1.一种已知场景中运动目标的自定位方法，以设置在运动目标上的相机实时采集场景图像，以实时采集的场景图像作为相机姿态估计的输入，以从场景图像到相机姿态的回归模型进行相机姿态估计，将获得的相机姿态转换为相机或运动目标的位置信息，由此实现运动目标的定位，采用下列方式构建所述的回归模型：使用相机采集若干图像样本，将图像样本与场景的全景图像配准，依据图像样本与全景图像的配准关系和全景图像与场景的三维模型的配准关系，估计图像样本的相机姿态，以相机姿态作为相应图像样本的标记进行回归训练，获得从场景图像到相机姿态的回归模型。/n
【技术特征摘要】
1.一种已知场景中运动目标的自定位方法，以设置在运动目标上的相机实时采集场景图像，以实时采集的场景图像作为相机姿态估计的输入，以从场景图像到相机姿态的回归模型进行相机姿态估计，将获得的相机姿态转换为相机或运动目标的位置信息，由此实现运动目标的定位，采用下列方式构建所述的回归模型：使用相机采集若干图像样本，将图像样本与场景的全景图像配准，依据图像样本与全景图像的配准关系和全景图像与场景的三维模型的配准关系，估计图像样本的相机姿态，以相机姿态作为相应图像样本的标记进行回归训练，获得从场景图像到相机姿态的回归模型。
2.如权利要求1所述的方法，其特征在于通过激光扫描获得高精度的三维模型。
3.如权利要求2所述的方法，其特征在于基于三维模型的世界坐标系，通过三维模型数据计算出图像样本对应的相机绝对姿态，以此作为所述的相机姿态。
4.如权利要求1所述的方法，其特征在于包括离线部分和在线部分，其中离线部分主要用于训练从图像到相机姿态的回归模型，包括：
构建三维模型：采用激光扫描建模方法，通过激光测距技术生成包含三维坐标的点云数据，依据点云数据构建三维模型，其中包括点云滤波、平滑、筛检、分割和拼接操作；
获得全景图像：采用360度全景摄像机采集获得全景图像，或基于全景视频拼接技...
【专利技术属性】
技术研发人员：吴刚，林姝含，郑文涛，
申请(专利权)人：北京天睿空间科技股份有限公司，
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。