[发明专利]一种相机重定位方法和系统

权利要求书

1.一种相机重定位方法，其特征在于，包括以下步骤：

S1：获取飞行器在多个时刻的惯性参数序列和场景图像；

S2：提取所述飞行器在t-1时刻至t时刻的所述惯性参数序列的高层次位姿特征a_I；

S3：提取所述飞行器在t时刻的所述场景图像的高层次特征a_V；

S4：将所述高层次位姿特征a_I和所述高层次特征a_V输入至坐标预测网络中进行预测，所述坐标预测网络输出场景位姿数据；

S5：根据所述场景位姿数据建立相机姿态假设池，所述相机姿态假设池中包含多个相机姿态假设，每一个相机姿态假设对应一个可信度分数，所述可信度分数最高的相机姿态假设作为重定位数据。

2.根据权利要求1所述的方法，其特征在于，所述S1具体包括：

S101：使用IMU模块采集飞行器在多个时刻的惯性参数序列，所述惯性参数序列包括飞行器的加速度和陀螺姿态信息，所述场景图像为RGB图像。

3.根据权利要求1所述的方法，其特征在于，所述S2具体包括：

S201：将所述飞行器在t-1至t时刻的所述惯性参数序列输入至三层双向LSTM模型，所述LSTM模型输出所述高层次位姿特征a_I，所述高层次位姿特征a_I为：a_I＝f_inertial(x_I)，其中f_inertial()是LSTM编码器，x_I是IMU数据序列。

4.根据权利要求1所述的方法，其特征在于，所述S3具体包括：

S301：将所述飞行器在t时刻的所述场景图像输入至基于DSAC++中的场景坐标预测FCN网络，所述FCN前端编码器提取的高层次特征a_V为：a_V＝f_camera(I)，其中，f_camera()为FCN前端编码器，I为所述场景图像的RGB图像。

5.根据权利要求1所述的方法，其特征在于，所述S4具体包括：

S401：通过FCN网络将所述高层次位姿特征a_I和所述高层次特征a_V进行融合，得到融合特征z，z＝g(a_V,a_I)，其中，进行融合的方式为直接拼接，即：g_dreat(a_V,a_I)＝[a_V,a_I]；

S402：根据所述融合特征z，所述FCN网络输出场景位姿数据，所述场景位姿数据对应原始图像的各个图像块的三维坐标。

6.根据权利要求5所述的方法，其特征在于，所述FCN网络的后10层卷积层替换为4层可分离卷积层。