[发明专利]基于直接法的视觉里程计方法、系统及存储介质

权利要求书

1.一种基于直接法的视觉里程计方法，其特征在于，包括：

亮度稳定步骤：在高动态亮度变换环境下，使用对数图像增强方法使得场景中的亮度趋于稳定，提高对梯度信息的提取；

加快优化收敛步骤：在快速旋转以及高速运动情况下，使用若干显著的梯度点和三角剖分算法生成深度预测面，有效给出点云的初始化深度，降低深度优化次数，加快优化收敛；

位置姿态修正步骤：同时在降采样的图像上使用Lucas-Kanade光流法对若干显著梯度点进行匹配，计算相机姿态的初始值，在视觉里程计系统跟踪点云失败的时候，复原当前状态，并给出一个姿态预测值；

所述显著的梯度点指的是：图像中梯度大小大于预设值的点；

所述对数图像增强方法：

通过对原始图像进行对数变换，将图像低灰度部分进行扩展，并且将高灰度值部分进行压缩，增强低亮度光照下的图像纹理和抑制过曝光情况，所述对原始图像进行对数变换如下：

s＝c×log_v+1(1+v×r) (1)

其中，

s表示对数变换后的图像像素亮度值；

c表示线性变换系数，为一个常数；

v表示对数变换的底数；

r表示原始图像中像素的亮度值；

所述三角剖分算法生成深度预测面：

在低分辨率的图像上提取出角点，并且利用双目三角化计算角点的深度，之后使用三角剖分算法，将角点连接成一个网络，相邻的三个点会组成一个三角形，形成一个平面，根据三角形的三个顶点的深度，计算出三角形内任意一点的深度，预测三角形内的梯度点深度，计算过程如下：

设获得的双目图像已经是去畸变的图像，并设世界坐标系为相机坐标系表示为相机的位姿可以表示成矩阵该矩阵包含了相机的旋转和平移，同时使用K矩阵来表示相机的内参，所述K矩阵包括了相机的焦距和相机的中心点，三维世界的点投影在相平面表达成如下表达式：

其中，

x＝[x，y，1]^T，X＝[X，Y，Z，1]^T分别表示二维坐标点和三维坐标点；

r表示将投影结果转换为齐次坐标的比例系数；

K_l和K_r分别表示双目相机中左相机和右相机的内参矩阵；

表示双目相机中左相机的外参矩阵；

表示双目相机中右相机的外参矩阵；

x_l和x_r分别表示双目相机系统的左右两幅不同图像中相对应的二维点；

通过双目相机系统的两幅图像，获得空间中的三维点坐标，表达式如下：

其中，

τ表示对双目图像的三角化函数；

使用已知的顶点深度和三角剖分结果来计算三角形中任意一点的深度，设三个点的坐标分别为p_i＝(X_i，Y_i，Z_i)，i＝1，2，3，根据三维空间中的平面方程：

π₁X+π₂Y+π₃Z+1＝0 (6)

其中，

X表示三角形顶点p_i的x方向坐标；

Y表示三角形顶点p_i的y方向坐标；

Z表示三角形顶点p_i的z方向坐标；

将三角形的三个点的坐标带入该方程中，计算出平面方程的系数参数π₁，π₂，π₃，从而确定整个平面，最后带入位置深度信息的梯度点在图像中的平面坐标u和v，u和v直接在图像中测量得到，分别和x＝[x，y，1]^T中的x，y等价，根据相机成像的原理和已知的相机参数f_x，f_y，c_x，c_y，计算出：

X＝Z(u-c_x)/f_x (7)

Y＝Z(v-c_y)/f_y (8)

其中，

f_x表示相机内参矩阵中的x方向焦距参数；

f_y表示相机内参矩阵中的y方向焦距参数；

c_x表示相机内参矩阵中的x方向图像中心偏移参数；

c_y表示相机内参矩阵中的y方向图像中心偏移参数；

将公式(7)、(8)带入公式(6)式即可计算出深度信息Z，即图像上某个平面点所对应的三维空间中点的深度，进而获得三维坐标点。