[发明专利]层次式相机旋转估计方法

权利要求书

1.一种层次式相机旋转估计方法，其特征在于，包括以下步骤：

S1：对外极几何图进行图聚类处理；将同类外极几何图顶点及同类外极几何图顶点之间的边作为类内底层图，将类内底层图看作一个顶点，各类内底层图之间的边集合看作一条边，构成类间顶层图；

S2：基于随机抽样一致性算法，对类内底层图进行旋转平均化处理，获得类内顶点的绝对旋转值；

S3：对底层图之间的边集合进行旋转平均化处理，计算得类间顶层图中边的相对旋转，基于随机抽样一致性算法，对类间顶层图进行旋转平均化处理，获得类间顶点的绝对旋转初值；

S4：基于类内顶点的绝对旋转值、类间顶点的绝对旋转初值及内值边集合进行全局优化，优化后的绝对旋转为相机旋转估计值。

2.如权利要求1所述的层次式相机旋转估计方法，其特征在于，对类内底层图进行旋转平均化处理的方法包括：

S21：基于类内底层图构建随机生成树，基于随机生成树构造随机最小集合；

S22：基于随机最小集合计算类内底层图各顶点的绝对旋转估计值；

S23：基于所述绝对旋转的估计值获得随机生成树的支撑集合；

S24：基于各随机生成树的支撑集合中最大支撑集合的边，优化计算类内顶点的绝对旋转。

3.如权利要求2所述的层次式相机旋转估计方法，其特征在于，构建随机生成树的方法为：

S211：指定类内底层图的任意一个顶点，并将该顶点作为起始点；

S212：假设当前已涉及的类内底层图的顶点集合为未涉及的类内底层图的顶点集合为两顶点集合之间的边集合记为ε₁₂；

S213：从ε₁₂随机选取一条边，并将该边连接的位于中的顶点移至

S214：重复S213直至成为空集。

4.如要求2或3所述的层次式相机旋转估计方法，其特征在于，获得随机生成树的支撑集合的方法包括：

确定随机最小集合中的基准顶点，并确定基准顶点与其他各顶点之间的通路，沿通路将各条边上的相对旋转连乘，获得绝对旋转估计的初始值，根据绝对旋转估计的初始值对边上的相对旋转进行反算，反算结果与该边上原始相对旋转测量值角度误差小于角度误差阈值的边集合即为该随机生成树的支撑集合，具体算法如下：

其中，表示随机生成树的支撑集合，表示由随机生成树获取的类内底层图中图像i的绝对旋转的初始估计值；表示由随机生成树获取的类内底层图中图像j的绝对旋转估计的初始值；ε表示外极几何图边集合，e_ij表示图像i与图像j之间的外极几何图的边，R_ij表示边e_ij对应的相对旋转，表示类内底层图中图像对i，j之间的相对旋转的测量值R_ij与估计值之间的角度距离，θ_th表示两个旋转之间角度距离的误差阈值。

5.如要求4所述的层次式相机旋转估计方法，其特征在于，优化计算类内顶点绝对旋转的方法包括：

其中，表示绝对旋转集合{R_i}的加权优化结果，e_ij表示中的任意一条边，n_ij表示e_ij连接的图像对之间的特征匹配数量，表示向量的2-范数。

6.如权利要求2至5中任意一项所述的层次式相机旋转估计方法，其特征在于，计算类内底层图之间相对旋转的方法包括：

选定待处理的一类底层图，将该类底层图内的每个单一子图抽象为顶点，将类内任意两个子图之间的连线抽象为边，构造基于子图上层的外极几何图，则各子图的局部坐标系可统一至基于上层外机几何图的全局坐标系中；

逐一将各类子图进行上述操作，将每类子图均统一至各自独立的全局坐标系；

选定待处理的两类子图，记为第一子图集合和第二子图集合，在第一子图集合内选定一子图，在第二类子图集合内选定一子图；

获取两个选定子图的连接边，并基于连接边，计算两个子图间的相对旋转，作为类间子图的相对旋转。