[发明专利]基于图像特征匹配的位姿计算方法、装置、计算机设备及存储介质

说明书

本发明公开了一种基于图像特征匹配的位姿计算方法、装置、计算机设备及存储介质，方法包括：获取定位对象的图像帧序列；提取图像帧序列的orb特征；计算提取的orb特征的关键点和描述子；根据关键点和描述子计算本征矩阵，并根据本征矩阵还原旋转矩阵和平移矩阵；获取定位对象的最新图像帧序列；将最新图像帧序列通过旋转矩阵和平移矩阵运算，获取定位对象的下一个位姿。其通过摄像机获取的图像作为位姿计算的基础数据，并对图像进行orb特征提取，并进行变换矩阵的计算，最终根据变换矩阵计算下一个位姿，从而实现低成本的定位。

技术领域

本发明涉及位姿计算技术领域，尤其涉及一种基于图像特征匹配的位姿计算方法、装置、计算机设备及存储介质。

背景技术

传统的定位方法通常采用激光雷达获取实时路况信息，运用RTK算法，但是传统的位姿计算方法，信息获取的激光雷达价格昂贵，成本较高。

发明内容

本发明的实施例提供了一种基于图像特征匹配的位姿计算方法、装置、计算机设备及存储介质，旨在解决现有位姿计算成本较高的问题。

为达到上述目的，本发明所提出的技术方案为：

第一方面，本发明提供了一种基于图像特征匹配的位姿计算方法，其包括以下步骤：

获取定位对象的图像帧序列；

提取图像帧序列的orb特征；

计算提取的orb特征的关键点和描述子；

根据关键点和描述子计算本征矩阵，并根据本征矩阵还原旋转矩阵和平移矩阵；

获取定位对象的最新图像帧序列；

将最新图像帧序列通过旋转矩阵和平移矩阵运算，获取定位对象的下一个位姿。

其中，所述步骤“提取图像帧序列的orb特征”包括以下步骤：

创建对象；

通过detect方法提取对象关键点；

同drawkeypoints绘制关键点。

其中，所述所述步骤“计算提取的orb特征的关键点和描述子”包括以下步骤：

选择可以估计出模型的最小数据集；

根据最小数据集计算数据模型；

将数据集中的所有数据重新带入数据模型，统计出内点数目；

比较当前数据模型与之前计算的数据模型的内点数量，统计最大内点数模型的参数和内点数；

重复上述步骤，直至迭代结束或获得最优数据模型。

其中，所述步骤“根据关键点和描述子计算本征矩阵，并根据本征矩阵还原旋转矩阵和平移矩阵”中计算旋转矩阵和平移矩阵算法包括：直接线性变换DLT算法，P3P算法和非线性优化求解算法。

第二方面，本发明还提供了一种基于图像特征匹配的位姿计算装置，其包括：

图像获取单元，用于获取定位对象的图像帧序列；

特征提取单元，用于提取图像帧序列的orb特征；

计算单元，用于计算提取的orb特征的关键点和描述子；

矩阵计算单元，用于根据关键点和描述子计算本征矩阵，并根据本征矩阵还原旋转矩阵和平移矩阵；

新图像获取单元，用于获取定位对象的最新图像帧序列；

位姿计算单元，用于将最新图像帧序列通过旋转矩阵和平移矩阵运算，获取定位对象的下一个位姿。