【技术实现步骤摘要】
本申请涉及视觉定位领域，特别是涉及一种设备端鲁棒的位姿轨迹优化系统、方法、计算机设备和计算机可读存储介质。
技术介绍
1、在ar(augmented reality，增强现实)领域，用户通过ar眼镜、手机等智能终端设备，可以体验虚实叠加的效果。使用该类型技术可以让用户更自然、更沉浸地获取信息，打破物理空间的限制。其中，视觉定位是ar体验过程中一个关键步骤，该步骤的目的在于获取将虚拟特效与真实场景叠加所依据的位姿。
2、但是，对于某些存在因为人造或自然存在的重复纹理的场景，现有的视觉定位服务普遍鲁棒性较差，会给出错误的、跳跃性的定位效果，进而影响ar体验过程中虚拟叠加的效果。
3、例如图1所示，购票大厅中，经常会摆放多个印有购票二维码和使用说明的易拉宝，这些易拉宝的纹理一模一样，且分布在购票大厅中的不同空间；由于场景中存在多个位置不同但纹理相同的易拉宝，当前的视觉定位服务普遍无法准确识别各个器材的正确位姿，进而导致用户看到的虚拟内容跟物理空间不贴合、虚拟内容跳跃等糟糕体验。
4、目前针对在存在重复纹理的场景下，视觉定位服务鲁棒性较差的问题，尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种设备端鲁棒的位姿轨迹优化方法、装置、系统、计算机设备和计算机可读存储介质，以至少解决相关技术中位姿轨迹优化精度较差的问题。
2、第一方面，本申请实施例提供了一种设备端鲁棒的位姿轨迹优化系统，所述系统包括：定位数据采集模块、优化模块，其中
3、所述定位数据采集模块用于，基于多帧连续的场景图像和局部跟踪位姿，通过基于不确定度的融合定位策略缩小视觉定位的候选区域，在提升定位速度和降低定位错误概率的情况下得到定位结果集，其中，所述定位结果集包括初始时刻的第一定位结果，以及后续时刻的多组第二定位结果；
4、所述优化模块用于，基于所述定位结果集，通过迭代式期望最大位姿图优化策略，对所述定位结果集合进行优化，得到优化后的位姿轨迹。
5、在其中一些实施例中，所述定位模块包括初始定位模块和常规定位模块，所述初始定位模块用于：
6、基于所述初始时刻的第一场景图像和预构建完成的场景三维地图，得到所述初始时刻的第一视觉定位结果；
7、在所述初始时刻之后预设时间段内，获取多组场景图像对应的局部跟踪位姿；
8、根据所述第一视觉定位结果和多组场景图像对应的局部跟踪位姿，构建相机刚体模型，基于所述相机刚体模型进行pnp求解，得到所述第一定位结果。
9、在其中一些实施例中，所述第二定位结果包括视觉定位结果和融合定位结果，其中，所述常规定位模块包括视觉定位子模块和融合定位子模块，其中：
10、所述视觉定位子模块，用于获取当前接收到的最新定位结果，根据所述最新定位结果的不确定度，在所述场景三维地图中确定目标区域，并通过将所述场景图像在所述目标区域中匹配，得到当前时刻的视觉定位结果；
11、所述融合定位子模块，用于根据当前接收到的跟踪定位结果，以及所述第一定位结果或最新一次的视觉定位结果融合，得到当前时刻的融合定位结果；
12、其中，所述最新定位结果是，以当前时刻为截至时间，所述定位模块中记录的与发送用于定位图像的时间戳一致的融合定位结果。
13、在其中一些实施例中，所述系统还包括不确定度模块，其中，
14、所述不确定度模块，用于获取所述第一定位结果的初始不确定度；
15、通过累加多个预设时间段跟踪系统的轨迹长度值，获取跟踪系统的累计轨迹长度；
16、根据所述累计轨迹长度和误差累计常数，得到所述跟踪系统的不确定度变变化值，其中，所述误差累计常数表示为每移动预设距离跟踪系统所产生的累计误差，其通过离线评测得到；
17、根据所述初始不确定度，和所述跟踪系统的不确定度变化值，获取所述第二定位结果的不确定度。
18、在其中一些实施例中，所述优化模块包括优化执行模块，其中：
19、所述优化执行模块用于，基于所述视觉定位结果，以及所述融合定位结果的不确定度，初始化权重系数，
20、基于所述视觉定位结果、所述融合定位结果和所述局部跟踪位姿，以及所述权重系数，构建位姿图优化模型，并通过所述位姿图优化模型迭代优化所述融合位姿，得到优化之后的位姿轨迹，其中，
21、在所述优化过程中，当完成一轮融合位姿优化之后，基于所述视觉定位位姿及其对应的融合定位位姿之间的误差，动态更新所述权重系数。
22、在其中一些实施例中，所述优化执行模块以最小化所述视觉定位位姿和所述融合定位位姿在arworld坐标系下的绝对误差，以及最小化所述所述局部跟踪位姿和所述融合定位位姿之间的相对误差为约束目标，实现对所述融合定位位姿的优化，其中，
23、所述位姿图优化模型如下表达式1所示：
24、
25、其中，loc_k为第k帧的视觉定位位姿，track_k为第k帧的局部跟踪位姿，fuse_k为第k帧的局部跟踪和视觉定位的融合位姿，wk是基于第k帧的视觉定位结果及其相邻的视觉定位结果组成的边约束确定的权重系数。
26、在其中一些实施例中，所述优化模块还包括优化控制模块，所述优化控制模块用于：
27、确定任意两个视觉定位结果之间的时间差值，基于所述时间差值确定筛选目标时间区间；
28、以所述目标时间区间内的视觉定位位姿和所述融合定位位姿，作为构建所述位姿图优化模型的输入观测。
29、第二方面，本申请实施例提供了一种设备端鲁棒的定位方法，所述方法包括：
30、获取目标场景下的最新一帧的目标视觉定位结果，以及从初次定位至所述目标视觉定位结果之间的n个定位结果，组成定位结果集；
31、通过第一方面所述的系统对所述定位结果集进行优化，得到优化后的位姿轨迹；
32、根据所述优化后的位姿轨迹，判断所述目标视觉定位结果是否为内点观测，若是，根据目标视觉定位结果和优化所述位姿轨迹时间段内累计的跟踪位姿，得到用于ar体验的定位位姿；
33、若否，从所述定位结果集中剔除所述目标视觉实时定位结果。
34、第三方面，本申请实施例还一种设备端鲁棒的位姿轨迹优化方法，所述方法包括：
35、基于多帧连续的场景图像和局部跟踪位姿，通过基于不确定度的融合定位策略，得到定位结果集，其中，所述定位结果集包括初始时刻的第一定位结果，以及后续时刻的多组第二定位结果；
36、基于所述定位结果集，通过迭代式期望最大位姿图优化策略，对所述定位结果集合进行优化，得到优化后的位姿轨迹。
37、第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第二、第三方面所述的方法。
38、本文档来自技高网...
【技术保护点】
1.一种设备端鲁棒的位姿轨迹优化系统，其特征在于，所述系统包括：定位数据采集模块、优化模块，其中：
2.根据权利要求1所述的系统，其特征在于，所述定位模块包括初始定位模块和常规定位模块，所述初始定位模块用于：
3.根据权利要求2所述的系统，其特征在于，所述第二定位结果包括视觉定位结果和融合定位结果，其中，所述常规定位模块包括视觉定位子模块和融合定位子模块，其中：
4.根据权利要求1至3中任意一项所述的系统，其特征在于，所述系统还包括不确定度模块，其中，
5.根据权利要求1所述的系统，其特征在于，所述优化模块包括优化执行模块，其中：
6.根据权利要求5所述的系统，其特征在于，所述优化执行模块以最小化所述视觉定位位姿和所述融合定位位姿在ARWorld坐标系下的绝对误差，以及最小化所述局部跟踪位姿和所述融合定位位姿之间的相对误差为约束目标，实现对所述融合定位位姿的优化，其中，
7.根据权利要求5所述的系统，其特征在于，所述优化模块还包括优化控制模块，所述优化控制模块用于：
8.一种设备端鲁棒的定位方法，
9.一种设备端鲁棒的位姿轨迹优化方法，其特征在于，所述方法包括：
10.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求8和9中任一项所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求8和9中任一项所述的方法。
...【技术特征摘要】
1.一种设备端鲁棒的位姿轨迹优化系统，其特征在于，所述系统包括：定位数据采集模块、优化模块，其中：
2.根据权利要求1所述的系统，其特征在于，所述定位模块包括初始定位模块和常规定位模块，所述初始定位模块用于：
3.根据权利要求2所述的系统，其特征在于，所述第二定位结果包括视觉定位结果和融合定位结果，其中，所述常规定位模块包括视觉定位子模块和融合定位子模块，其中：
4.根据权利要求1至3中任意一项所述的系统，其特征在于，所述系统还包括不确定度模块，其中，
5.根据权利要求1所述的系统，其特征在于，所述优化模块包括优化执行模块，其中：
6.根据权利要求5所述的系统，其特征在于，所述优化执行模块以最小化所述视觉定位位姿和所述融合定位位姿在arworld坐...
【专利技术属性】
技术研发人员：王成，贺飏，丛林，
申请(专利权)人：杭州易现先进科技有限公司，
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。