位姿优化方法及电子设备技术

本公开提供了一种位姿优化方法及电子设备，所述方法包括获取相机拍摄目标场景的原始图像；基于相机与传感器的预设标定关系，确定原始图像的初始位姿；提取原始图像的特征点和相应的描述子；基于特征点、特征点相应的描述子以及初始位姿进行三维重建，并在三维重建过程对初始位姿进行优化，得到三维重建结果；其中，三维重建结果包括优化后的图像位姿。本申请使用信息更丰富的视觉图像，对图像进行基于深度学习的特征提取与匹配，在其他来源的位姿基础上进行三维重建创建视觉特征的稀疏地图，在地图创建的过程中，根据视觉约束，对位姿进行优化。

【技术实现步骤摘要】

本公开涉及图像处理，尤其涉及一种位姿优化方法及电子设备。

技术介绍

1、高精度的定位结果是机器人、车辆载具实现高精度地图创建、精准导航、对场景进行高精度移动测量等功能的基础。为了获取高精度的位姿，机器人、车辆等载体在定位需求中，需要采用多传感器融合优化的方案来克服单一或融合传感器定位。例如激光即时定位与地图构建(simultaneous localization and mapping，slam)，激光与惯性测量单元(inertial measurementunit，imu)结合的slam算法，激光与全球定位系统(globalpositioning system，gps)结合的slam算法等。这些方法考虑传感器本身的特性，利用测量的点云信息，单点位姿信息，加速度和角速度等信息等解算出载体的位姿信息。

2、但是，上述位姿计算精度依赖与不同传感器之间的外参标定精度、传感器本身精度以及算法的优劣。缺乏更丰富信息对计算的位姿进行约束，激光只获取离散的点云，只能获取载具相对场景的深度信息，缺乏对场景更深入的理解。且不同传感器之间的标定精度会严重影响位姿的本文档来自技高网...

【技术保护点】

1.一种位姿优化方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在确定所述原始图像的初始位姿之前，还包括设置所述相机与传感器的标定关系，具体包括：

3.根据权利要求2所述的方法，其特征在于，确定所述原始图像的初始位姿，包括：

4.根据权利要求1所述的方法，其特征在于，提取所述原始图像的特征点和相应的描述子，包括：

5.根据权利要求1所述的方法，其特征在于，所述原始图像包括多帧图像，基于所述特征点、特征点相应的描述子以及初始位姿进行三维重建，包括：

6.根据权利要求5所述的方法，其特征在于，匹配原始图像...

【技术特征摘要】

1.一种位姿优化方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在确定所述原始图像的初始位姿之前，还包括设置所述相机与传感器的标定关系，具体包括：

3.根据权利要求2所述的方法，其特征在于，确定所述原始图像的初始位姿，包括：

4.根据权利要求1所述的方法，其特征在于，提取所述原始图像的特征点和相应的描述子，包括：

5.根据权利要求1所述的方法，其特征在于，所述原始图像包括多帧图像，基于所述特征点、特征点相应的描述子...

【专利技术属性】
技术研发人员：郭复胜，李阳，熊超，
申请(专利权)人：北京铁木牛智能机器科技有限公司，
类型：发明
国别省市：