[发明专利]一种基于双三视张量的立体视觉快速导航定位方法

说明书

技术领域

本发明属于视觉导航定位技术领域，涉及一种基于双三视张量的立体视觉快速导航定位方法，可以应用于智能移动机器人、自主导航车等领域。

背景技术

近年来国内外研究人员对移动机器人的定位方法与技术采用了各种定位传感器，研究出了许多不同的定位系统，主要有里程计法、惯性导航，全球定位导航。里程计法是移动机器人导航技术中最为广泛采用的定位方法。在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来计算出机器人位置和姿态。这种方法的最大缺点是车轮滑动引起的编码器读数错误。惯性导航法采用陀螺仪和加速度计来实现定位，陀螺仪测量旋转速度，加速度计测量加速度。根据测量值的一次积分和二次积分可得到机器人的位置信息。这种方法的缺点是惯导设备随时间的误差漂移太大。全球定位系统是用于室外移动机器人导航与定位的技术。它是一种以空间卫星为基础的高精度导航与定位系统。可是它在卫星信号封闭或受限的环境下，无法提供可靠的信息。比如在室内、水下、地下、战场、外星球等。

目前，随着计算速度和视觉传感器性价比的不断提高以及图像处理和视觉计算的飞速发展，基于视觉的导航定位技术受到了研究者的广泛关注。该方法依赖硬件设备少、对体积、功耗、载荷等要求低，适用于各种复杂未知环境，且定位精度高，该方法在“勇气”号与“机遇”号火星车上也得到了成功的应用。

视觉的导航定位技术仅依赖视觉输入进行运动估计，其关键是在二维图像序列中追踪视觉特征点进行机器人自身的运动估计。由于单目视觉定位存在尺度模糊性，因此，目前广泛采用立体视觉的定位方法。

立体视觉导航定位方法一般通过特征提取、立体匹配、特征跟踪、运动估计得出智能车运动的距离和方向信息。由于运动前后的特征点可以通过立体匹配的视差计算得到其三维坐标，所以目前的立体视觉运动估计算法一般都采用基于3D-3D特征对应的运动估计算法。3D-3D特征对应的运动估计算法一般采用线性或非线性最小二乘方法使估计的特征点和测量的特征点之间的3D距离最小，但由于特征点(特别对于远距离特征点)3D坐标重建受噪声影响较大，因此这种方法得到的定位精度不高。

发明内容

本发明的目的在于克服现有技术中的不足和缺点，提出一种基于双三视张量的立体视觉快速导航定位方法。该方法包括如下步骤：

步骤一、提取立体相机视频流当前帧左、右图像的BRISK特征点和各BRISK特征点对应图像位置的U-BRISK描述符(参见L.Stefan，C.Margarita，s.Roland.BRISK：Binary Robust Invariant Scalable Keypoints.In Proceedings of the IEEE International Conference on Computer Vision(ICCV)，2011)。

步骤二、对当前帧左、右图像的BRISK特征点集进行一一匹配，得到当前帧左、右图像BRISK特征点匹配对，并得到当前帧左、右图像BRISK特征点匹配对的3D坐标。

步骤三、对当前帧左图像或右图像和前一帧左图像或右图像的BRISK特征点集进行一一匹配，并联合步骤二得到前后帧立体图像特征匹配点集。

步骤四、采用RANSAC算法(随机采样一致性算法，参见M.A.Fischler and R.C.Bolles.Random sample consensus：a paradigm for model fitting with applications to image analysis and automated cartography.Commun.ACM，1981，24(6)：381-395.)和基于SVD的位姿估计方法得到匹配内点和当前帧与前一帧之间的立体相机运动参数(即当前帧运动参数)；所述运动参数包括相对位置参数、相对姿态参数，所述相对位置参数为平移参数t，所述相对姿态参数为旋转参数R；

步骤五、建立双三视张量运动约束的非线性优化目标函数，采用Levenberg-Marquard算法对该目标函数当前帧运动参数进行迭代优化；运动参数的迭代初值为步骤四计算得到的运动参数值。

步骤六、利用前一帧的全局位姿参数和当前帧的运动参数计算得到当前帧的全局位姿参数，即相对于起始帧的位置和姿态，从而得到立体相机的导航定位信息。