[发明专利]一种基于二次投影的双目视觉里程计算方法

说明书

本发明公开了一种基于二次投影的双目视觉里程计算方法，包括以下步骤：使用ORB对KITTI数据集进行特征点提取、描述子建立以及记录特征点的寿命；采用环形匹配方法进行特征点匹配，环形匹配分为左右匹配和前后匹配；在当前帧中，采用三角测量建立3D空间点；将这些3D空间点投影到下一帧，并求解最小化重投影误差，得到最优的投影点；在下一帧图像中，由最优的投影点更新3D空间点，并将更新后的3D空间点重新投影到当前帧，求解最小化重投影误差，进而求解得到双目视觉里程计的位姿状态。本发明通过采用可靠性更高的特征点以及二次投影的方法，提高了视觉里程计的精度，降低了特征点的漂移。

技术领域

本发明涉及机器人/无人机自主导航技术领域，尤其是一种基于二次投影的双目视觉里程计算方法。

背景技术

随着机器人/无人机定位理论的不断发展以及计算机视觉技术的不断进步，基于视觉的机器人/无人机即时定位与建图(SLAM)的研究成为机器人/无人机领域的研究热点。SLAM的主要目标是同时估计摄像机位置和建立周边三维地图。视觉里程计就是估计摄像机相对其周围环境的位姿变化，视觉里程计在机器人/无人机自主导航中担任十分重要的角色。

当前，视觉里程计主要基于单目、多目以及RGB相机，其中多目中以双目相机为主。双目视觉里程计是建立在立体视觉基础上的,它通过双目立体摄像机获取立体图像序列,通过特征提取、特征点立体匹配、特征点跟踪匹配、坐标变换和运动估计等步骤求得相机的位姿变化，一般来说，双目视觉里程计比单目更可靠，能获得更加精确的结果。

同时，视觉里程计也属于航位推算方法，通过对当前运动的积分来估计当前位置，因此不可避免的带来累积误差，其主要误差来源于特征点的检测与匹配阶段，由相机分辨率带来特征点的不确定性以及特征点的漂移，会很大程度影响双目视觉里程计的精度。

发明内容

发明目的：针对上述双目视觉里程计存在的累积误差以及漂移，本发明旨在提供一种定位精度更高的基于二次投影的双目视觉里程计算方法。

技术方案：本发明提供了一种基于二次投影的双目视觉里程计算方法，包括以下步骤：

步骤1：采用KITTI数据集，对其中的图像进行特征点提取，并记录特征点的寿命；

步骤2：采用环形匹配方法进行连续两帧图像间特征点匹配；

步骤3：利用RANSAC算法对步骤2的匹配进行误匹配消除，进而在当前帧中根据三角测量确定3D空间点P；

其中I表示图像，i表示当前帧的编号，l,r分别表示当前帧的左右图像；

步骤4：采用PnP和RANSAC算法，将步骤3得到的3D空间点P投影到下一帧图像计算最小化重投影误差，进而可以得到最优的投影点

步骤5：采用二次投影方法求取更精确的位姿状态，根据步骤4得到的投影点在下一帧图像中运用三角测量重新确定3D空间点Q，将Q投影到当前帧重新计算最小化重投影误差，进而可以得到两帧图像之间的旋转矩阵R和平移向量t。

进一步的，步骤1中所述的特征点提取具体包括如下步骤：

步骤1.1：采用ORB算法的OrientFAST算子提取特征点，并记录特征点的寿命，当前后两帧中该特征点所处位置的距离小于1个像素时，寿命加1；

步骤1.2：采取网格法，将图像分成10n×10n的网格，对每个网格点内的特征点，按寿命大小进行排序，每个网格只保留前n个特征点；

步骤1.3：计算每个特征点的BRIEF描述子，但当该特征点的寿命大于1时，使用该特征点首次出现时的BRIEF描述子。

进一步的，步骤1.2中所述网格法具体是将图像分成50×50的网格，对每个网格点内的特征点，按寿命大小进行排序，每个网格只保留前5个特征点。