[发明专利]一种静态物体重建方法和系统

权利要求书

1.一种静态物体重建方法，其特征在于，包括：

分别获取静态物体的当前帧图像中的三维特征点和二维特征点；所述当前帧图像包括二维信息和三维信息，所述三维特征点为具有所述三维信息的特征点，所述二维特征点为具有所述二维信息的特征点；所述二维特征点和所述三维特征点均包括多个；

将所述三维特征点与参考特征点进行匹配，计算所述当前帧图像的相机外参，其中，所述参考特征点是所述静态物体的多个帧图像上的特征点累积形成的；

如果基于所述三维特征点计算所述当前帧图像的相机外参时，未在预置的时间内得到所述相机外参，则将所述二维特征点，与所述参考特征点中三维特征点匹配，或与所述静态物体的当前帧图像的前一帧图像中的二维特征点进行匹配，计算所述当前帧图像的相机外参；

通过所述计算的相机外参，将所述当前帧图像的点云转换到所述参考特征点组成的参考坐标系下，以对所述静态物体进行建模。

2.如权利要求1所述的方法，其特征在于，所述将所述三维特征点与参考特征点进行匹配，计算所述当前帧图像的相机外参，具体包括：

在所述参考特征点中，选择与所述当前帧图像的三维特征点距离最近的多个候选对应点；

选取所述当前帧图像的所有三维特征点中部分三维特征点分别对应的候选对应点；

根据所述部分三维特征点分别对应的候选对应点，计算模型参数；

对所述计算的模型参数对应模型进行评分；

循环执行所述选取候选对应点、计算模型参数和评分的步骤，并将评分最高的模型的模型参数作为所述当前帧图像的相机外参，其中：

如果在所述循环中连续K_s次选取的所述部分三维特征点与候选对应点包含异常对应的概率小于预置的值，或所述循环步骤的次数超过预置的值，或执行所述循环步骤的时间超过预置的值，则停止执行所述选取候选对应点、计算模型参数和评分的循环步骤。

3.如权利要求2所述的方法，其特征在于，所述选取所述当前帧图像的 所有三维特征点中部分三维特征点分别对应的候选对应点，具体包括：

根据所述前一帧图像中包含所述静态物体的各个空间区域内特征点，与参考特征点的正确对应概率，从所述当前帧图像的所有三维特征点中选取所述部分三维特征点；所述空间区域为所述静态物体的空间所划分的网格；

根据所述前一帧图像中特征点的候选对应点被选取的概率，从所述多个候选对应点中选择所述三维特征点的候选对应点。

4.如权利要求2或3所述的方法，其特征在于，所述将所述三维特征点与参考特征点进行匹配，计算所述当前帧图像的相机外参之前，所述方法还包括：

将所述三维特征点，与所述静态物体的当前帧图像的前一帧图像中的特征点进行匹配，得到初始相机外参；

则将所述三维特征点与参考特征点进行匹配，计算所述当前帧图像的相机外参，具体包括：以所述初始相机外参作为根据模型评分确定相机外参的条件，将所述三维特征点，与所述静态物体的参考特征点进行匹配，最终得到所述当前帧图像的相机外参。

5.如权利要求1至3任一项所述的方法，其特征在于，所述将所述二维特征点与所述参考特征点中三维特征点进行匹配，计算所述当前帧图像的相机外参，具体包括：

将所述二维特征点与所述参考特征点中三维特征点进行匹配，确定与所述二维特征点对应的三维参考特征点；

确定使得所述参考坐标系下的相机姿态的函数最小化的相机外参，所述相机姿态的函数中包括所述二维特征点与三维参考特征点的对应；

将所述确定的相机外参作为所述当前帧图像的相机外参。

6.如权利要求1至3任一项所述的方法，其特者在于，所述将所述二维特征点与所述静态物体的当前帧图像的前一帧图像的二维特征点进行匹配，计算所述当前帧图像的相机外参，具体包括：

将所述二维特征点与所述静态物体的当前帧图像的前一帧图像的二维特征点进行匹配，确定在所述前一帧图像中与所述二维特征点对应的二维特征点；

选取所述当前帧图像的二维特征点及在所述前一帧图像中与所述二维特征点对应的二维特征点处都具有深度数据的多对对应特征点；

根据所述选取的多对对应特征点的深度变化信息，确定所述当前帧图像与前一帧图像的相对相机外参；

根据所述相对相机外参与所述前一帧图像的相机外参，确定所述当前帧图像的相机外参。