基于点线面解耦6-DoF位姿估计优化方法及系统技术方案

本发明专利技术涉及室内定位技术领域，尤其涉及基于点线面解耦6‑DoF位姿估计优化方法及系统，包括计算点特征和线特征的相似度，并得到簇；并利用最小二乘法拟合簇内点并建立平面方程；构建系数矩阵；从而得到平面法向量和拟合的平面中心点；并进行平面特征匹配；提取图像中的曼哈顿世界坐标系，并跟踪点线面特征估计相机姿态；根据曼哈顿世界坐标系的结构约束进行解耦相机位姿，分别解耦计算旋转和平移矩阵；插入关键帧及点线面特征联合对相机位姿和地图结构进行优化。本发明专利技术在室内结构化场景中，通过结合点线面特征融合，解决复杂场景下因为凹凸不平的平面和不平整的纹理信息导致平面跟踪失败的情况；以及因为受光照影响的点特征无法提取的弱点。

【技术实现步骤摘要】

本专利技术涉及室内定位，尤其涉及基于点线面解耦6-dof位姿估计优化方法及系统。

技术介绍

1、当前越来越多的基于rgb_d传感器的视觉同步定位和建图在移动机器人、自动驾驶和三维重建等领域广受关注。当估计相机位姿可以使得移动机器人、小车和移动设备能够被定位自己的位置，可用于人机交互场景。

2、采用深度相机进行图像获取，视觉slam通过构建未知环境下的地图并进行定位。但大多数的视觉slam都基于点特征和线特征，当应用于低纹理和大型室内的场景下，由于室内墙壁和结构化环境能够提取到的点特征和线特征较少，从而导致性能降低；如今许多视觉slam方法想到引入平面特征的方法，通过结合平面特征信息来构建地图解决低纹理下性能下降的问题。

3、另外，室内复杂场景下存在由于凹凸不平的平面和不平整的纹理信息导致平面跟踪失败的，以及受光照影响点特征无法提取的问题。

4、以及，6自由度位姿信息在处理旋转和平移信息时存在不稳定的问题。

技术实现思路

1、针对现有方法的不足，本专利技术在室内结构化场景中，本文档来自技高网...

【技术保护点】

1.基于点线面解耦6-DoF位姿估计优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于点线面解耦6-DoF位姿估计优化方法，其特征在于，平面特征匹配包括：

3.根据权利要求1所述的基于点线面解耦6-DoF位姿估计优化方法，其特征在于，步骤二具体包括：利用点云法中的向量估计法，对提取到的各平面特征像素点处的法向量进行计算；

4.根据权利要求1所述的基于点线面解耦6-DoF位姿估计优化方法，其特征在于，步骤三具体包括：

5.根据权利要求1所述的基于点线面解耦6-DoF位姿估计优化方法，其特征在于，步骤四具体包括：

6...

【技术特征摘要】

1.基于点线面解耦6-dof位姿估计优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于点线面解耦6-dof位姿估计优化方法，其特征在于，平面特征匹配包括：

3.根据权利要求1所述的基于点线面解耦6-dof位姿估计优化方法，其特征在于，步骤二具体包括：利用点云法中的向量估计法，对提取到的各平面特征像素点处的法向量进行计算；

4.根据权利要求1所述的基于点线面解耦6-dof位姿估计优化方法，其特征在于，步骤三具体包括：

5.根据权利要求1所述的基于点线面解耦6-dof位姿估计优化方法，其特征在于，步骤四具体包括：

6.根据权利要求1所述的基于点线面解耦6-dof位姿估计优化方法，其特征在于，利用fas...

【专利技术属性】
技术研发人员：杨彪，王姝媛，杨高朝，俞至韬，倪蓉蓉，杨长春，
申请(专利权)人：常州大学，
类型：发明
国别省市：