[发明专利]一种立体影像对相对姿态恢复方法

说明书

本发明属于计算机视觉领域，涉及一种立体影像对相对姿态恢复方法。本发明使用立体影像对中全部对应点通过极线约束构建方程组并求解本质矩阵；选取最优的本质矩阵；检测并剔除粗差，并依据粗差检测结果判断是否进行迭代，当无法检测到新的粗差时结束迭代，分解当前选取的本质矩阵恢复立体影像对的相对姿态。本发明在保证精度的同时，避免了RANSAC随机抽样问题，提高了计算速度，能够节约系统资源，提高实时性。

技术领域

本发明属于计算机视觉领域，尤其涉及一种立体影像对相对姿态恢复方法。

背景技术

立体影像对相对姿态恢复是摄影测量和计算机视觉的基本问题。在摄影测量和计算机视觉中，广泛应用于三维场景重建、运动匹配、智能机器人自主导航控制、摄影测量的几何定位、车载移动测量、低空无人机测量等方面。

通过求解并分解本质矩阵来恢复立体影像对相对姿态，是计算机视觉中的常用方法。本质矩阵由旋转矩阵和平移矢量决定，可利用对应点的归一化坐标直接计算。传统的直接求解本质矩阵的方法通常与RANSAC(随机取样一致)机制相结合。RANSAC通过迭代方式估计数学模型的参数，其从数据中选取随机子集，假设选取的子集是正确的并估计数学模型的参数，最后用其他点进行验证。传统方法中，每次迭代从对应点中进行随机取样，使用样本点结合本质矩阵的定义和性质列出多项式方程，并通过求解多项式方程直接计算本质矩阵。根据对应点的数量将进行多次迭代，最后从多次迭代的结果中选出最优解。

由于RANSAC是一种不确定的算法，为了提高得出合理结果的概率必须提高迭代次数。因此，在对应点数目较多时，传统的方法通常需要进行大量的迭代，这导致计算量过大，存在耗时较长的问题。而且，在随机取样时样本点是随机分布的，难以保证样本点均匀分布在影像上，从而对计算精度产生影响。

发明内容

本发明针对现有技术的不足，提出一种新的立体影像对相对姿态恢复方法。本发明利用立体像对中全部对应点直接计算本质矩阵，并依据求得的本质矩阵在迭代中剔除粗差，最后将求得的本质矩阵分解，得到立体影像对的相对姿态。本发明在计算流程区别于传统方法，避免了RANSAC随机取样问题，减少了求解本质矩阵的迭代次数，从而提高了计算速度，同时避免了取样时样本点随机分布的问题。本发明能在保证精度的同时，较快的实现立体影像对相对姿态恢复。

为了达到上述目的，本发明提供的技术方案提供一种立体影像对相对姿态恢复方法，包括如下步骤：

步骤1，使用立体影像对中全部对应点通过极线约束构建方程组并求解本质矩阵；

步骤2，从步骤1的结果中选取最优的本质矩阵；

步骤3，利用步骤2选取的本质矩阵检测并剔除粗差，并依据粗差检测结果判断是否返回步骤1进行迭代，当无法检测到新的粗差时结束迭代进入步骤4；

步骤4，分解当前选取的本质矩阵恢复立体影像对的相对姿态。

而且，所述步骤1中，使用立体影像对中全部对应点通过极线约束构建方程组并求解本质矩阵的实现方式如下，

将全部对应点代入极线约束中，构建方程组，极线约束如(1)所示：

其中，和和是三维的列向量，表示立体影像对中左影像和右影像对应点的相机坐标，E为本质矩阵；

求解方程组，得到一个由四个通解构成的基础解系；将求得的四个通解代入本质矩阵的性质中，构建新的方程，所使用的本质矩阵性质如(2)(3)所示；对新的方程进行高斯消元，并通过基求解；将求得的实数解代入基础解系，得到本质矩阵；

det(E)＝0 (2)

2EE^TE-trance(EE^T)E＝0 (3)。