[发明专利]用于配准数据的方法和系统

说明书

一种配准数据的方法和系统，由处于不同视点的传感器从场景获取数据，并且从所述数据提取三维(3D)点和3D线以及与3D点和3D线关联的描述符。选择在传感器的第一坐标系中表示的第一组图元，其中，第一组图元包括至少三个3D点。选择在第二坐标系中表示的第二组图元，其中，第二组图元包括3D点和3D线的任意组合从而获得至少三个图元。然后，使用第一组图元和第二组图元，将3D点彼此配准并将3D线与3D点配准从而获得配准后的图元，其中，配准后的图元在同时定位与地图构建(SLAM)系统中使用。

技术领域

本发明涉及配准二维(2D)和三维(3D)数据，更具体地涉及针对传感器姿态估计和计算机视觉应用(诸如3D场景重建、机器人学以及增强现实)而配准从RGB-D传感器获得的2D和3D数据。

背景技术

同时定位与地图构建(SLAM)在计算机视觉、机器人学以及增强现实中的许多应用中使用。SLAM系统的重要部分是传感器定位。其涉及在传感器坐标系中的图元与SLAM地图坐标系的配准。使用单目传感器的SLAM是已知的。随着低成本3D传感器的普及，许多SLAM系统使用红、绿、蓝以及深度(RGB-D)传感器，诸如微软传感器，来利用使用颜色数据和深度数据这两者。

虽然RGB-D传感器可以提高配准准确性，但这种传感器通常由于硬件限制和噪声而仅在有限范围(例如对于为0.5m至4m)内提供准确深度。大多数RGB-D SLAM系统仅使用具有有效深度的像素，而忽略与离传感器太近或太远的场景点关联的像素。这是对传感器提供的信息的低效使用，并且会引入配准不准确性，特别是对于具有大深度变化的场景。

大多数传统SLAM系统使用单个类型的图元作为测量结果，例如2D点或3D点。例如，基于特征的单目SLAM系统提取2D点特征，使用2D对2D点对应性通过三角测量来初始化3D点陆标，然后使用2D点测量结果与3D点地标之间的2D对3D对应性来估计连续图像中的传感器姿态，参见Davison等人，“MonoSLAM:Real-time single camera SLAM,”IEEETrans.Pattern Anal.Mach.Intell.，第29卷，第6期，第1052-1067页，2007年6月以及Klein和Murray,“Parallel tracking and mapping for small AR workspaces”Proc.IEEEInt’l Symp.Mixed and Augmented Reality(ISMAR)，第1-10页，2007年11月。

基于特征的RGB-D SLAM系统提取3D点特征并使用3D对3D点对应性来估计传感器姿态。在一些SLAM系统中，平面特征也可以被用作测量结果。近来的密集SLAM系统，单目和RGB-D这两者，不依赖特征提取，相反利用图像中的所有2D或3D点并使用于直接配准的测光误差或迭代最近点(ICP)成本最小化。然而，这些系统仍然仅使用单个类型的图元，例如，2D点或3D点。

一些SLAM系统使用3D测量结果的混合。一种系统使用平面对平面和线对平面对应性这两者，参见Trevor等人，“Planar surface SLAM with 3D and 2D sensors”Proc.IEEEInt’l Conf.Robotics and Automation(ICRA)，第3041-3048页，2012年5月。另一种系统使用点对点和平面对平面对应性这两者，参见Taguchi等人，“Point-plane SLAM for hand-held 3D sensors”Proc.IEEE Int’l Conf.Robotics and Automation(ICRA)，第5182-5189页，2013年5月。然而，它们的系统中使用的所有测量结果是3D图元。