位姿标定数据集生成方法、装置、系统、电子设备及介质制造方法及图纸

本申请公开了一种位姿标定数据集生成方法、装置、系统、电子设备及可读存储介质。其中，方法包括将当前场景划分为多个子场景；通过对每个子场景进行场景位姿采样，并且在相应位姿轨迹于三维空间形成闭环的基础上进行检测，获取各采样节点的位姿数据。将每个子场景的各采样节点的位姿数据转换为目标坐标系下的标准位姿数据。根据每个子场景的各采样节点的标准位姿数据和相对应的场景图像生成当前场景的位姿标定数据集，从而实现了在一般性的场景下快速获取高精度、高可靠性的位姿标定数据集。高可靠性的位姿标定数据集。高可靠性的位姿标定数据集。

【技术实现步骤摘要】
位姿标定数据集生成方法、装置、系统、电子设备及介质


[0001]本申请涉及计算机视觉
，特别是涉及一种位姿标定数据集生成方法、装置、系统、电子设备及可读存储介质。

技术介绍

[0002]通过从图像中估计图像采集设备位姿来定位车辆或设备是许多计算机视觉应用的基本要求，例如导航自动车辆、移动机器人、增强现实。准确估计图像采集设备如摄像机的绝对姿态是增强现实、自主导航和机器人技术应用的关键，能快速获得实际中不同应用场景下的6自由度(可简称为6D)相机位姿GroudTruth数据(也即标定数据)集至关重要。
[0003]在实际中，针对一般场景的6D数据集非常有限，且没有一种高效且轻便的采集相机6D位姿数据集的装置，而且都是针对非一般性应用场景所创建的数据集，在实际运用中具有较大的局限性。举例来说，常用于创建6D相机位姿标定数据集的方法包括SFM和Kinect Fusion两种方法。SFM不仅在室外大场景下很多特征缺失的场景或者场景相似性较大的场景鲁棒性不强且精度不高，而且其在室外大场景下计算相机位姿所消耗的时间与图像的数量成O(n2)关系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种位姿标定数据集生成方法，其特征在于，包括：预先将当前场景划分为多个子场景；通过对每个子场景进行场景位姿采样，并且在相应位姿轨迹于三维空间形成闭环的基础上进行检测，获取各采样节点的位姿数据；将每个子场景的各采样节点的位姿数据转换为目标坐标系下的标准位姿数据；根据每个子场景的各采样节点的标准位姿数据和相对应的场景图像生成所述当前场景的位姿标定数据集。2.根据权利要求1所述的位姿标定数据集生成方法，其特征在于，所述通过对每个子场景进行场景位姿采样，并且在相应位姿轨迹于三维空间形成闭环的基础上进行检测，获取各采样节点的位姿数据，包括：调用VIO算法对第一子场景进行场景位姿采样，并且在相应位姿轨迹于三维空间形成闭环的基础上进行检测，输出所述第一子场景的各采样节点的位姿数据；重启所述VIO算法；调用所述VIO算法对第二子场景进行场景位姿采样，并且在相应位姿轨迹于三维空间形成闭环的基础上进行检测，输出所述第二子场景的各采样节点的位姿数据。3.根据权利要求2所述的位姿标定数据集生成方法，其特征在于，所述将每个子场景的各采样节点的位姿数据转换为目标坐标系下的标准位姿数据，包括：获取当前子场景的起始采样节点在所述目标坐标系下的标准位姿数据；基于当前采样节点的最终位姿为下一个采样节点的起始位姿，根据所有两两相邻子场景的起始采样点与结束采样点的坐标转换关系、当前子场景的各个采样节点的相对位姿数据，计算当前子场景的各采样点的位姿数据在目标场景中的位姿。4.根据权利要求3所述的位姿标定数据集生成方法，其特征在于，所述获取当前子场景的起始采样节点在所述目标坐标系下的标准位姿数据，包括：获取每个子场景的起始采样节点在所述目标坐标系对应空间的预设方位下所采集的坐标信息；根据所述当前子场景的起始采样节点和结束采样节点的欧式距离偏移值，对所述当前子场景的起始采样节点的坐标信息进行校准，并将校准后的数据作为所述标准位姿数据。5.根据权利要求1至4任意一项所述的位姿标定数据集生成方法，其特征在于，所述根据每个子场景的各采样节点的标准位姿数据和相对应的场景图像生成所述当...

【专利技术属性】
技术研发人员：金出武雄，黄锐，李俊良，李飞飞，
申请(专利权)人：深圳市人工智能与机器人研究院，
类型：发明
国别省市：