[发明专利]一种基于图像梯度联合优化的双目视觉里程计算方法

权利要求书

1.一种基于图像梯度联合优化的双目视觉里程计算方法，其特征在于包括如下步骤：

1)对输入双目视频进行预处理；

2)计算双目视频帧的视差图，获得度量距离；

3)将预处理后的图像进行缩放形成多个尺度的图像，组成金字塔模型，并对金字塔模型中的各个尺度图像计算特征，获得一系列特征图像；

4)根据度量距离用卡尔曼滤波器对图像进行处理预测估计相机姿态的运动过程，卡尔曼滤波器内搭建有相机的运动模型；

5)对图像金字塔模型中的各个尺度图像使用基于梯度的双目视觉导航算法计算当前帧准确的相机姿态；

所述步骤5)双目视觉导航算法具体为：

5.1)构建用于计算当前帧变换T_c的以下联合直接双目视觉里程优化方程：

其中，ρ()为Tukey’s损失函数，π^-1表示为从图像空间转换到世界坐标系下的函数，π表示为从世界坐标系转换到图像空间的函数，T_c表示当前帧变换，T_p表示上一帧变换，T_k表示参考帧变换，Ω_k表示参考图像像素点的集合，Ω_p表示上一帧图像像素点的集合，x_i为第i个像素点的图像坐标位置，d_i为第i个像素点的深度估计值，θ为所求当前帧变换T_c的参数，▽为梯度计算符，I_p为上一帧图像，I_k为参考帧图像，I_c为当前帧图像；

所述的Tukey’s损失函数ρ()采用以下公式计算如下：

其中，κ为Tukey’s损失函数参数，t表示Tukey’s损失函数的输入；

5.2)高斯-牛顿方法对联合直接双目视觉里程优化方程进行迭代优化来计算当前帧变换T_c，再用当前帧变换T_c对当前帧图像对应的姿态进行变换，获得当前帧准确的相机姿态；

6)用当前帧的相机姿态更新卡尔曼滤波器内的相机运动模型。

2.根据权利要求1所述的一种基于图像梯度联合优化的双目视觉里程计算方法，其特征在于：所述步骤1)的预处理是进行高斯滤波和图像增强操作。

3.根据权利要求1所述的一种基于图像梯度联合优化的双目视觉里程计算方法，其特征在于：所述步骤2)所述的视差图计算方法为线搜索匹配法，所述的度量距离为像素差的绝对值之和。

4.根据权利要求1所述的一种基于图像梯度联合优化的双目视觉里程计算方法，其特征在于：所述步骤3)中，所述的特征为图像梯度及其二阶梯度。

5.根据权利要求1所述的一种基于图像梯度联合优化的双目视觉里程计算方法，其特征在于：所述步骤4)使用卡尔曼滤波器预测获得当前帧视频图像中的相机姿态的运动过程。

6.根据权利要求1所述的一种基于图像梯度联合优化的双目视觉里程计算方法，其特征在于：所述第i个像素点的深度估计值d_i是通过双目视觉深度估计算方法(Stereo DepthEstimation)估计计算获得。