【技术实现步骤摘要】
本专利技术涉及相机定位，尤其涉及一种多相机系统相对位姿和尺度的估计方法及装置。
技术介绍
1、从两个相邻的视图估计相对姿态是多视图几何问题的基础，多视图几何问题已经应用于许多领域，如视觉测程法(visual odometry，vo)、运动恢复结构(structure-from-motion，sfm)、同步定位和建图(simultaneous localization and mapping，slam)。多相机机系统由固定在一个系统上的多个独立相机组成。它具有视场大、度量尺度估计精度大、相对姿态估计精度高等优点。因此，大量的学者研究了如何提高相对姿态估计算法的准确性、鲁棒性和效率。
2、多相机系统和单相机系统的最大的不同之处在于，多相机系统的光线不能相交于一个点，因此不符合针孔模型，之前关于多相机系统的研究大多数基于多相机系统内部的尺度是已知，这在一定程度上限制了多相机系统的应用。
3、因此，需要针对多相机系统内部尺度信息未知时，用于估算其相对位姿和尺度的方法。
技术实现思路
1、本专利技术提供一种多相机系统相对位姿和尺度的估计方法及装置，用以解决现有技术中针对多相机系统位姿估计时内部尺度信息未知时存在的缺陷。
2、第一方面，本专利技术提供一种多相机系统相对位姿和尺度的估计方法，包括：
3、对多相机系统和imu进行时间同步和空间同步，得到同步多相机惯导系统；
4、获取所述同步多相机惯导系统中的相机对应点对，由所述相机对应点对
5、利用最小二乘法使所述约束的广义相机模型中代数误差最小，建立目标优化函数，将所述目标优化函数转换为多项式方程；
6、采用特征值法求解所述多项式方程的相对旋转角，得到相机平移向量和尺度。
7、根据本专利技术提供的一种多相机系统相对位姿和尺度的估计方法，对多相机系统和imu进行时间同步和空间同步，得到同步多相机惯导系统，包括：
8、根据北斗的bic观测值解算钟差调制为pps信号，由所述pps为多个相机的传感器提供时间同步；
9、以多相机系统中任一相机为参考框架，确定相机参考坐标系，基于所述相机参考坐标系，采用视觉-惯性标定工具箱kalibr对其余相机坐标系和imu坐标系进行标定。
10、根据本专利技术提供的一种多相机系统相对位姿和尺度的估计方法，获取所述同步多相机惯导系统中的相机对应点对，由所述相机对应点对确定广义相机模型，将垂直方向上的imu旋转矩阵代入所述广义相机模型，得到约束的广义相机模型，包括：
11、基于plücker直线获取所述相机对应点对(xki,xk'j,rk,rk',tk,tk')，xki表示在i时刻相机k得到的图像的归一化之后的坐标，xk'j表示在j时刻相机k'得到的图像的归一化之后的坐标，相机k相对于参考框架的旋转矩阵和平移向量分别为rk和tk，相机k'相对于参考框架的旋转矩阵和平移向量分别为rk'和tk'；
12、假设参考框架从第i时刻到j时刻的旋转矩阵为r，平移向量为t，尺度为s，尺度未知的广义相机模型表示为：
13、
14、公式(1)重新表示为：
15、
16、公式(2)中的本质矩阵为e＝[t]×r；
17、假设i时刻imu提供的旋转矩阵为rimu，j时刻imu提供的旋转矩阵为r'imu，则公式(2)重新表达为：
18、
19、其中ry可以表示为：
20、
21、公式(3)中的iki和ik′j可以表示为：
22、
23、公式(3)中的fki和fk′j可以表示为：
24、
25、将公式(6)和公式(5)代入公式(3)中得到约束的广义相机模型：
26、
27、根据本专利技术提供的一种多相机系统相对位姿和尺度的估计方法，利用最小二乘法使所述约束的广义相机模型中代数误差最小，建立目标优化函数，包括：
28、假设存在n对特征点对，n>5，根据最小二乘原理使得代数误差最小，可以得到目标函数：
29、
30、公式(8)中的同时c＝m*mt
31、
32、公式(8)可以转化为求解矩阵c的最小特征值问题：
33、
34、定义矩阵c的特征值为λ，根据5阶展开式，可以得到：
35、det(c-λi)＝f5λ5+f4λ4+f3λ3+f2λ2+f1λ+f0 (11)
36、根据特征值的性质det(c-λi)＝0，可以得到：
37、-λ5+f4λ4+f3λ3+f2λ2+f1λ+f0＝0 (12)
38、假设λ为矩阵c的最小特征值，根据最小值的性质得到对公式(12)求偏导数，得到：
39、
40、令α＝1+y2，公式(12)乘α6，公式(12)乘α7，得到
41、
42、其中β＝α2λ。
43、根据本专利技术提供的一种多相机系统相对位姿和尺度的估计方法，将所述目标优化函数转换为多项式方程，包括：
44、将公式(14)的第一个方程乘以β3、β2和β，公式(14)的第二个方程乘以β4、β3、β2和β，可以得到如下方程：
45、
46、根据本专利技术提供的一种多相机系统相对位姿和尺度的估计方法，采用特征值法求解所述多项式方程的相对旋转角，得到相机平移向量和尺度，包括：
47、结合公式(14)和公式(15)得到9个方程和9个单项式，表示为：
48、b9×9j9×1＝0 (16)
49、公式(16)中的矩阵b和矩阵j可以表示为：
50、
51、j＝[β8 β7 β6 β5 β4 β3 β2 β 1]t (18)
52、矩阵b中只含有未知数y，令z＝1/y，公式(16)重新表示为：
53、(z16b0+z15b1+z14b2+…+b16)j＝0 (19)
54、未知数z即为矩阵g的特征值，矩阵g的表达形式为：
55、
56、求解矩阵g的特征值从而可以得到未知数z，其倒数为变量y，将y带入矩阵c中，矩阵c对应特征值向量为提取出对应的平移向量和尺度。
57、第二方面，本专利技术还提供一种多相机系统相对位姿和尺度的估计装置，包括：
58、同步模块，用于对多相机系统和imu进行时间同步和空间同步，得到同步多相机惯导系统；
59、建立模块，用于获取所述同步多相机惯导系统中的相机对应点对，由所述相机对应点对确定广义相机模型，将垂直方本文档来自技高网...
【技术保护点】
1.一种多相机系统相对位姿和尺度的估计方法，其特征在于，包括：
2.根据权利要求1所述的多相机系统相对位姿和尺度的估计方法，其特征在于，对多相机系统和IMU进行时间同步和空间同步，得到同步多相机惯导系统，包括：
3.根据权利要求1所述的多相机系统相对位姿和尺度的估计方法，其特征在于，获取所述同步多相机惯导系统中的相机对应点对，由所述相机对应点对确定广义相机模型，将垂直方向上的IMU旋转矩阵代入所述广义相机模型，得到约束的广义相机模型，包括：
4.根据权利要求1所述的多相机系统相对位姿和尺度的估计方法，其特征在于，利用最小二乘法使所述约束的广义相机模型中代数误差最小，建立目标优化函数，包括：
5.根据权利要求4所述的多相机系统相对位姿和尺度的估计方法，其特征在于，将所述目标优化函数转换为多项式方程，包括：
6.根据权利要求5所述的多相机系统相对位姿和尺度的估计方法，其特征在于，采用特征值法求解所述多项式方程的相对旋转角，得到相机平移向量和尺度，包括：
7.一种多相机系统相对位姿和尺度的估计装置，其特征在于，包括
8.一种电子设备，包括存储器、处理器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程序时实现如权利要求1至6任一项所述多相机系统相对位姿和尺度的估计方法。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述多相机系统相对位姿和尺度的估计方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述多相机系统相对位姿和尺度的估计方法。
...【技术特征摘要】
1.一种多相机系统相对位姿和尺度的估计方法，其特征在于，包括：
2.根据权利要求1所述的多相机系统相对位姿和尺度的估计方法，其特征在于，对多相机系统和imu进行时间同步和空间同步，得到同步多相机惯导系统，包括：
3.根据权利要求1所述的多相机系统相对位姿和尺度的估计方法，其特征在于，获取所述同步多相机惯导系统中的相机对应点对，由所述相机对应点对确定广义相机模型，将垂直方向上的imu旋转矩阵代入所述广义相机模型，得到约束的广义相机模型，包括：
4.根据权利要求1所述的多相机系统相对位姿和尺度的估计方法，其特征在于，利用最小二乘法使所述约束的广义相机模型中代数误差最小，建立目标优化函数，包括：
5.根据权利要求4所述的多相机系统相对位姿和尺度的估计方法，其特征在于，将所述目标优化函数转换为多项式方程，包括：
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。