【技术实现步骤摘要】
相机位姿估计方法、装置、计算机设备及介质
[0001]本专利技术涉及视觉定位
,尤其涉及一种相机位姿估计方法、装置、计算机设备及介质。
技术介绍
[0002]目前,视觉同步定位与建图(Simultaneous Localization And Mapping,SLAM)技术已广泛应用于如机器人控制、自动驾驶、虚拟现实(Virtual Reality,VR)、增强现实(Augmented Reality,AR)等多种任务中,以在未知环境中实时定位机器人自身未知并同时构建环境的三维地图。
[0003]为了更好的估计机器人的位姿信息,现有方法通常采用视觉里程计进行处理,视觉里程计是一种利用相机获取场景信息并通过场景信息计算相机在连续帧之间的位姿变化的技术。但是对于单目相机而言,并不能得到真实尺度下的运动信息,即使通过深度或者双目相机补全场景的尺度,长期运行的累积误差依然无法避免。而且视觉里程计技术的稳定性很大程度上依赖于场景中的可靠特征点,特别是对于室内非结构化环境和室外复杂环境的移动设备定位,特征点的准确性和密度不能完全保证。这时,一个可靠的增量式定位方法,例如全球定位系统(Global Positioning System,GPS),可以很好地补偿视觉里程计的不足。
[0004]由于全球定位系统具有较高的全局一致性,利用全球定位系统进行定位,可以有效地去除视觉里程计算法的漂移和误差,提高定位的精度、准确度和稳定性。但是全球定位系统数据本身的精度是无法保证的,一但使用了错误的数据,很有可能导致整段视 ...
【技术保护点】
【技术特征摘要】
1.一种相机位姿估计方法,其特征在于,所述相机位姿估计方法包括:获取运动过程中的目标相机在N个预设时间点分别对路标点进行采集得到的采集图像,以及所述目标相机在N个预设时间点分别通过定位传感器采集到的定位数据;根据所有采集图像计算得到所述目标相机在N个预设时间点的预测位姿信息,根据所有采集图像和所述预测位姿信息,计算得到所述路标点的三维坐标信息;针对任一个定位数据,获取所述定位数据的信号源数量,使用映射表将所述信号源数量映射为对应所述定位数据的置信度,所述映射表包括所述信号源数量和所述置信度之间的映射关系;根据所述三维坐标信息和N个所述预测位姿信息,计算得到对应预测位姿信息的重投影因子,根据所有定位数据及其置信度,计算得到每相邻两预设时间点之间所述目标相机的测距因子;由所述三维坐标信息、N个所述预测位姿信息作为状态变量,由N
‑
1个所述测距因子和N个重投影因子作为观测变量,构建因子图,对所述因子图中的状态变量进行解算,得到N个所述预测位姿信息对应的估计位姿信息。2.根据权利要求1所述的相机位姿估计方法,其特征在于,所述路标点的数量至少为五个;所述根据所有采集图像计算得到所述目标相机在N个预设时间点的预测位姿信息,包括:针对任两个相邻预设时间点分别对应的两张采集图像,确定任一路标点在所述两张采集图像中分别对应的图像位置,由所述路标点在所述两张采集图像中分别对应的图像位置形成匹配对,得到对应所述路标点的匹配对;根据对极约束和所有匹配对,计算得到对应所述两个相邻预设时间点之间,所述目标相机的旋转矩阵和平移向量;获取所述目标相机的初始位姿信息,根据所述初始位姿信息以及每两个相邻预设时间点之间所述目标相机的旋转矩阵和平移向量,得到所述目标相机在N个预设时间点分别对应的预测位姿信息。3.根据权利要求2所述的相机位姿估计方法,其特征在于,所述根据所有采集图像和所述预测位姿信息,计算得到所述路标点的三维坐标信息,包括:针对任两个相邻预设时间点分别对应的两张采集图像,根据所述两个相邻预设时间点之间所述目标相机的旋转矩阵和平移向量,以及所述路标点在所述两张采集图像中分别对应的图像位置,采用三角测量方法计算得到所述路标点的三维坐标信息。4.根据权利要求1所述的相机位姿估计方法,其特征在于,所述由所述三维坐标信息、N个所述预测位姿信息作为状态变量,由N
‑
1个所述测距因子和N个重投影因子作为观测变量,构建因子图,包括:获取先验因子,由所述三维坐标信息、N个所述预测位姿信息作为所述状态变量,由N
‑
1个所述测距因子和N个重投影因子作为所述观测变量;联合所述先验因子、所述状态变量和所述观测变量,构建得到所述因子图。5.根据权利要求1所述的相机位姿估计方法,其特征在于,所述由所述三维坐标信息、N个所述预测位姿信息作为状态变量,由N
‑
1个所述测距因子和N个重投影因子作为观测变
量,构建因子图,对所述因子图中的状态变量进行解算,得到N个所述预测位姿信息对应的估计位姿信息,包括:根据所述三维坐标...
【专利技术属性】
技术研发人员:秦超,黄哲,王孝宇,
申请(专利权)人:深圳云天励飞技术股份有限公司,
类型:发明
国别省市:
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。