[发明专利]一种基于概率图的混合概率逆深度估计方法

说明书

本发明公开了一种基于概率图的混合概率逆深度估计方法，属于图像处理和单目相机深度估计技术领域。所述估计方法首先利用经典的三角形法求出空间中一点的深度和位置；然后利用归一化八点算法求出对极几何中的基本矩阵，进而求出相机的位姿，作为优化的初始值；最后用基于概率图的高斯‑均匀混合分布求逆深度，利用近似推断可以求出递推公式，利用其深度信息可以求出物体的距离。本发明不仅提高了单目相机深度估计的精度，还增强了系统的鲁棒性。

技术领域

本发明属于图像处理和单目相机深度估计技术领域，具体来说是一种基于概率图的混合概率逆深度估计方法。

背景技术

深度估计是单目视觉中的重要技术，在单目视觉SLAM(simultaneouslocalization and mapping,即时定位与地图构建)中起到重要的作用。现在对深度估计技术的研究比较广泛，如结合贝叶斯估计和凸优化图像处理来进行深度地图计算的方法，该方法节省了内存的使用，提高了计算速度。但在深度估计技术中，容易出现数据拖尾的现象，在远离相机中心的位置数据估计精度较差，同时深度估计的抗干扰能力也较差。

发明内容

本发明提出了一种基于概率图的混合概率逆深度估计方法，采用高斯-均匀混合概率分布，不仅提高了单目相机深度估计的精度，还增强了系统的鲁棒性。所述估计方法首先利用经典的三角形法求出空间中一点的深度信息和位置。然后利用归一化八点算法求出对极几何中的基本矩阵，进而求出相机的位姿，作为优化的初始值。最后用基于概率图的高斯-均匀混合概率分布求逆深度，利用近似推断可以求出递推公式，利用其深度信息可以求出物体的距离。

本发明提供的基于概率图的混合概率逆深度估计方法，包括如下步骤：

步骤一、利用经典的三角形法求出空间中一点的深度信息和位置，并利用了一阶几何校正的方法来提高空间位置的精度。

步骤二、利用归一化八点算法求出对极几何中的基本矩阵，进而求出相机的位姿，作为优化的初始值。

步骤三、利用基于概率图的高斯-均匀混合概率分布求逆深度，利用近似推断求出递推公式，得到空间点的逆深度真实值。

应用所述的估计方法，可以对多幅图像进行顺序处理；利用空间点的深度信息可以求出空间物体的长度，进而获得本发明的估计方法的精度。

本发明的优点在于：

(1)本发明将基于概率图的高斯-均匀混合概率分布应用到求逆深度，并推导出近似推断公式便于对序列图像进行处理。

(2)本发明在求空间一点位置的过程中，一阶几何校正的方法提高了空间位置估计的精度。

(3)本发明利用归一化八算点法求出基本矩阵，进而求出相机的位姿。

附图说明

图1：本发明中采用的对极几何原理图。

图2：本发明中高斯-均匀混合概率分布模型的概率图表示。

图3：本发明中相机测距原理图。

图4：本发明中室内环境实验对比图。

图5：本发明中室外环境实验对比图。

具体实施方式

下面将结合附图和实施实例对本发明作进一步的详细说明。

本发明提供一种基于概率图的混合概率逆深度估计方法，具体包括如下步骤：

步骤一、利用经典的三角形法求出两幅图像中相同空间点的深度和位置信息，并利用一阶几何校正的方法来提高空间点的位置的精度，得到空间点的精确位置。

(1)对极几何；