[发明专利]多摄像机即时定位与地图构建的三角化方法及其运动体

权利要求书

1.一种用于多摄像机即时定位与地图构建的三角化方法，包括如下步骤：

将由k个摄像机中的同一摄像机和不同摄像机在相邻关键帧的拍摄结果作为n组摄像机组合，其中k和n为大于1的整数；

对由每一组摄像机组合所拍摄到的相邻关键图像帧进行图像处理，得到用于预测各组摄像机组合的本次三角化成功率的评测结果，其中，所述评测结果通过如下方式获得：

从每一关键图像帧提取相关的特征数据；

根据所述特征数据计算至少一项评测参数；和

根据所述至少一项评测参数进行评估计算，以得到用于预测该组摄像机组合的三角化成功率的评测结果；以及

基于各组摄像机组合的评测结果，通过判断评测结果是否满足预定阈值条件和/或通过评测结果的大小排序来筛选出m组摄像机组合，仅选取所述m组摄像机组合进行三角化，其中，k≤m＜n。

2.根据权利要求1所述的三角化方法，其中，

所述至少一项评测参数至少包括第一评测参数，所述第一评测参数为该组摄像机组合之间的共视面积A1，并且，通过如下公式(1)得到评测结果，

预测可三角化的点数P＝该组摄像机组合之间的共视面积A1×单位面积内预测可跟踪的特征点数B，其中B＞0…(1)，

其中，通过预测可三角化的点数P来预测摄像机组合的三角化成功率。

3.根据权利要求2所述的三角化方法，其中，

所述至少一项评测参数还包括第二至第四评测参数中的至少一个：该组摄像机组合中的各摄像机所拍摄的关键图像帧中的特征点数量A21和A22、纹理丰富程度A31和A32、以及场景遮挡程度A41和A42。

4.根据权利要求3所述的三角化方法，其中，通过如下公式(2)得到单位面积内预测可跟踪特征点数B，

单位面积内预测可跟踪特征点数B＝k1*min{A21，A22}+k2*min{A31，A32}+k3*min{A41，A42}，其中，k1,k2,k3≥0……(2)。

5.根据权利要求2所述的三角化方法，其中，

所述特征数据包括第一特征数据，所述第一特征数据包括根据由所述相邻关键图像帧的特征点计算得到的各摄像机位姿、各摄像机视角、每一关键图像帧中的各特征点的场景深度的平均值、以及各特征点的场景深度的离散程度，并且

所述第一评测参数通过根据所述第一特征数据计算得到的该组摄像机组合中的每一个摄像机所拍摄的场景的可视区域并且计算所述可视区域的重合程度而得到。

6.根据权利要求5所述的三角化方法，其中，采用卡尔曼滤波来估算所述各特征点的场景深度的平均值以及各场景深度的离散程度。

7.根据权利要求5所述的三角化方法，其中，

对于透视摄像机，通过以当前摄像机中心为顶点，底边与当前摄像机成像平面平行的等腰三角形区域中到当前摄像机成像平面的垂直距离为场景深度的平均值±场景深度离散程度的梯形区域来描述所述可视区域，并且，

对于鱼眼摄像机，通过以当前摄像机为中心、平均距离为半径且在场景深度的平均值±各场景深度的离散程度内分布的扇环区域来描述所述可视区域。

8.根据权利要求4所述的三角化方法，其中，

所述特征数据包括第二特征数据，所述第二特征数据包括每一关键图像帧中的特征点的数量，并且所述第二评测参数为所述第二特征数据；

所述特征数据包括第三特征数据，所述第三特征数据包括每一关键图像帧中的各个网格的特征点的平均响应值，并且所述第三评测参数通过离散化统计所述第三特征数据作为该网格纹理丰富与否的判断条件来统计纹理丰富的网格的数量而获得；以及

所述特征数据包括第四特征数据，所述第四特征数据包括每一关键图像帧中的各特征点的场景深度的平均值，并且所述第四评测参数通过判断所述第四特征数据是否低于预定阈值而获得。