[发明专利]一种支撑点搜索的单目视觉室内定位方法

权利要求书

1.一种支撑点搜索的单目视觉室内定位方法，其特征在于，包括离线阶段和在线阶段；

所述离线阶段包括构建单目视觉定位场景、获取离线阶段参数和预训练目标识别网络，其中离线阶段参数的获取方法为：

针对构建的单目视觉定位场景，对单目摄像头进行标定，获得标定参数：获得相机内参矩阵M_i、以及径向畸变系数k₁、k₂、k₃与切向畸变系数p₁、p₂，内参矩阵具体为：

其中f_c为相机焦距，α_x、c_x、α_y、c_y分别为成像平面与像素坐标系在水平方向与垂直方向上的缩放尺度因子与固定平移像素值；

采集定位环境信息：采集背景图形b₀，根据畸变成像关系对该图像进行畸变矫正，成像关系为：

其中[x,y]^T为归一化像素平面坐标，[x′,y′]^T为畸变后的坐标，[u,v]^T为像素坐标系下的坐标；

选择像素坐标与世界坐标点对，求解单应矩阵H：在畸变矫正后的图像中标注出定位参考平面坐标系，选择参考点集P₁,与对应的像素参考点集P₂,按照下式求解像素平面与定位参考平面之间的映射关系：

P₁＝HP₂

H自由度为8，N₁≥4；

所述在线阶段为根据目标检测结果对目标进行定位，具体为：将摄像头获取的第i帧图像f_i输入目标检测网络，输出结果y_i：

y_i＝[c_i,p_i,r_i],r_i^j＝[u₁,v₁,u₂,v₂]

j＝1,2,…,K,

设定总共检测到K个目标，其中，为第i帧图像中检测到的第j个目标的ID，为对应的检测置信度，r_i^j为对应目标所在矩形像素区域的左上角与右下角二维像素坐标；

对r_i^j进行调整得到r_i′^j：

r_i′^j＝[u′₁,v′₁,u′₂,v′₂],△u＝u₂-u₁,△v＝v₂-v₁

u′₁＝max{u₁-α_s△u,0},v′₁＝max{v₁-α_s△v,0}

u′₂＝min{u₂+α_s△u,u_max},v′₂＝min{v₁+α_s△v,v_max}

其中α_s、u_max、v_max分别为调整系数、水平方向最大像素坐标、垂直方向最大像素坐标；

对背景图象b_i基于b_i-1、f_i、y_i联合进行更新：

其中p_uv为像素点；

按照r_i′^j将f_i以及b_i分割为对应的K幅子图像其中为目标像素信息，为对应区域的背景像素信息，将对应的图像转化为灰度图，并用中值滤波算法对图像进行滤波；

提取前景特征：提取相对变化特征采用KL散度提取像素区域的分布变化特征，采用矩形滑动窗口将两幅图像划分为多个子图像区域，计算背景图像以及当前图像f_i^j对应区域的KL散度值：

其中，N_p为滑窗内像素点的个数，为像素点处的像素值；再提取区域内的绝对变化特征

将两种变化特征进行融合，由于与量纲不一致，需要进行尺度归一化，融合后的特征为：

估计目标支撑点：构造阈值候选集向量t^i,j，从中选择N_t个阈值，将d^i,j划分为不同的变化等级，具体阈值获取方法为：

将变化矩阵d^i,j降维并降序排序，得到变化特征d^i,j：

d^i,j＝[d₁^i,j,d₂^i,j,…d_L^i,j]^T,L＝(u′₂-u′₁)·(v′₂-v′₁)

计算相邻数值的变化率

保存变化率最大点之前的所有数据构造阈值候选集t^i,j：

t^i,j＝[d₁^i,j,d₂^i,j,…d_m^i,j]^T

等间隔选取n₁个阈值构造阈值向量

在不同阈值下，搜索目标的下边缘轮廓：

并计算n个搜索结果的一阶、二阶统计量μ_s,σ_s，一阶统计量表征下边缘纵坐标的分布均值，二阶统计量表征搜索结果中下边缘纵坐标的稳定程度；

建立支撑点搜索目标方程：在μ_s中搜索定位目标在图像中的支撑点，已知目标ID，根据先验信息，搜索对应的V个支撑点，建立目标求解方程为：

s.t.u_l,u_r∈[u′₁,u′₂],u₂∈[u_l,u_r],λ∈[0,1],ξ≥0

μ_s(λu₁+(1-λu₂))-ξ≤λμ_s(u₁)+(1-λ)μ_s(u₂)

其中ξ为根据先验知识ID设置的松弛参数；

求解最优分段点首先计算一阶统计量的二阶差分值根据参数ξ提取凸集分段点向量c：

c＝[c₁,c₂,…c_u]^T,

再计算每段凸集对应的边缘点损失：

对损失向量p逆序排序，取最大损失变化率的前M个候选损失，并记录原始数据索引向量a，最终输出估计的支撑点

a＝[a₁,a₂,…,a_M],

求对应未发生畸变的正确像素坐标，然后通过单应矩阵将像素坐标映射到定位参考系下，输出估计的二维位置。