[发明专利]一种相机位姿定位方法

说明书

本发明公开了一种相机位姿定位方法，包括以下步骤：S1：获取输入序列，所述输入序列为连续的共T帧的视频流，每一帧代表一张图片；S2：将所述输入序列输入ASPP模块中，所述ASPP模块由一组不同膨胀率的膨胀卷积组成，所述输入序列中的每一张图片经过ASPP模块处理后，输出不同接受域大小的空间特征图；S3：将每一张图片经S2后得到的不同接受域大小的空间特征图串联起来，输入到深度学习网络中进行时间特征提取，获取相机位姿。本发明采用ASPP模块，多尺度提取空间特征，然后将这些空间特征串联起来，输入一个深度学习网络中学习时空信息，通过不同尺度提取前向帧之间和后向帧之间的时空信息，从而得到更精确的相机位姿输出。

技术领域

本发明涉及计算机视觉领域，更具体地，涉及一种相机位姿定位方法。

背景技术

视觉里程计(Visual Odometry)作为姿态估计和机器人定位最重要的技术之一，在过去的几十年里引起了计算机视觉和机器人领域的极大兴趣。它已被广泛应用于各种机器人作为补充GPS、惯性导航系统(INS)等。

在过去的三十年中，人们做了大量的工作来开发一种精确而稳定的视觉里程计系统。一个典型的流程，它通常由摄像机标定、特征检测、特征匹配(或跟踪)、离群点抑制(如RANSAC)、运动估计、尺度估计和局部优化组成(捆绑调整)，基于几何的方法得到迅速发展并被广泛认为是相机定位的黄金法则。尽管基于该流程，一些最先进算法在准确性和鲁棒性方面表现出了出色的性能，但它们通常是经过大量工作硬编码的，流程中的每个模块都需要仔细设计和微调，以确保他们的性能。此外，视觉里程计(VO)必须利用一些额外的信息或先前的知识来估计绝对尺度。

深度学习(Deep Learning)最近已经在许多计算机视觉任务中取得了很好的效果。CN201611191845.9公开了一种基于深度学习的端到端视觉里程计及方法，包括级联的光流网络和帧间估计网络，所述光流网络根据数据集中图像序列中的相邻帧，选取输出光流向量和基准数据之间的光流端点误差为损失函数，进行网络训练后，将生成的光流输出，所述帧间估计网络以光流图像作为输入，基于六自由度输出位姿向量与基准数据之间的距离构建损失函数，迭代训练网络，进行帧间估计。本发明采用不同输入输出数据分别训练光流网络模块和帧间估计网络模块，最后将两者级联构成端到端的视觉里程计模块，再进一步深层次训练，优化参数。但是对于视觉里程计(VO)问题，还没有得到很好的运用。事实上，在视觉里程计(VO)上的工作非常有限，原因是涉及到3D几何问题。现有的深度学习架构和预训练的模型本质上是用来处理识别和分类问题的，而这些问题驱动了深度卷积神经网络(CNNs)从图像中提取高级外观信息。表面特征的学习限制了视觉里程计(VO)的发展，使得视觉里程计(VO)只在经过训练的环境中发挥作用，严重阻碍了视觉里程计(VO)在新场景中的普及。这就是视觉里程计(VO)算法严重依赖于几何特征而不是外观特征的原因。同时，理想的视觉里程计(VO)算法应该通过检查一系列图像上的变化和连接来建模运动动力学，而不是处理单个图像。这意味着我们需要顺序学习，而CNNs还不足以做到这一点。

总的来说，目前用于相机定位的方法主要有两种，一种是发展比较久远而且比较成熟的基于几何的经典方法，但是过程比较复杂；另外一种是近几年比较流行的基于深度学习的人工智能方法，它可以实现端到端的相机定位。

发明内容

本发明提供一种相机位姿定位方法，得到精确的相机位姿输出。

为解决上述技术问题，本发明的技术方案如下：

一种相机位姿定位方法，包括以下步骤：

S1：获取输入序列，所述输入序列为连续的共T帧的视频流，每一帧代表一张图片；

S2：将所述输入序列输入ASPP模块中，所述ASPP模块由一组不同膨胀率的膨胀卷积组成，所述输入序列中的每一张图片经过ASPP模块处理后，输出不同接受域大小的空间特征图；