[发明专利]一种像机与惯性测量单元旋转关系快速标定方法

说明书

本发明为一种像机与惯性测量单元旋转关系快速标定方法。针对像机旋转和平移运动条件下、像机纯旋转运动条件下、像机纯旋转运动和焦距未知条件下，提出三种求解像机和惯性测量单元旋转关系的最小配置解，提高RANSAC算法剔除图像匹配点对中野值的效率，确定图像匹配内点集。再利用图像匹配内点集对旋转关系进行非线性优化，得到最终的标定结果。本发明不依赖已知结构的标定物和其他特殊的设备，高效率高精度地标定出像机和惯性测量单元之间的旋转关系，适用于手机和无人机等计算能力有限的设备，具有重要的研究意义和广泛的应用前景。

技术领域

本发明涉及一种智能手机、无人机、无人车等设备的像机与惯性测量单元标定方法，具体是一种利用地面单应约束标定像机坐标系与惯性测量单元坐标系之间旋转关系的方法。

背景技术

智能手机、无人机、无人车等设备中通常装备了像机和惯性测量单元(Inertialmeasurement unit,IMU)等传感器，可利用惯性测量单元为像机提供旋转角信息，实现像机和惯性测量单元测量数据的融合。例如利用惯性测量单元提供像机的角度信息，已成功应用于基于运动恢复结构(Structure from Motion,SFM)和同步定位与地图创建(Simultaneous Localization and Mapping,SLAM)等领域。但是融合像机和惯性测量单元数据的基础是标定出像机坐标系与惯性测量单元坐标系之间的旋转关系，而且标定的精度直接决定这两个传感器测量数据融合的精度。因此像机与惯性测量单元旋转关系的标定对两者测量数据的融合有着重要意义。

考虑到IMU可直接输出当前状态相对于IMU参考坐标系的角度信息，可以通过各时刻IMU输出的角度信息和相应的像机位姿来标定像机与惯性测量单元之间的相对位姿关系。通常可利用手眼定标方法来标定像机与惯性测量单元，手眼定标方程可描述为：AX＝XB，其中A表示像机的相对位姿变化，B表示IMU相应的相对位姿变化，X表示像机坐标系和惯性测量单元坐标系之间的相对位姿关系，由旋转关系和平移关系组成。研究表明相对位姿关系X可通过两次以上绕不平行旋转轴的运动确定。手眼定标方法主要分为二类：第一类方法分两步求解旋转和平移关系，或仅求解旋转关系。这类方法首先求解像机坐标系和惯性测量单元坐标系之间的旋转关系，然后将旋转关系的求解结果代入手眼定标方程，求解出像机坐标系和惯性测量单元坐标系之间的平移关系。第二类方法则是同时求解像机坐标系和惯性测量单元坐标系之间的旋转关系和平移关系。这二类方法需要提前根据图像计算出像机的姿态，这些像机姿态可通过标定物或者SFM方法获得。由于未采取剔除像机姿态中野值的相关机制，手眼定标方法求解相对位姿关系的精度必定受到野值的严重影响。

发明内容

本发明要解决的技术问题是：利用图像匹配点对的单应约束高效率高精度地标定像机与惯性测量单元的旋转关系，避免事先计算像机姿态，提高RANSAC算法剔除图像匹配点对中野值的效率。

本发明的技术解决方案是：通过像机对地面拍摄图像，并记录惯性测量单元相应的角度信息，利用单应约束方便地求解出像机坐标系和惯性测量单元坐标系之间的旋转关系。本发明的标定流程如图1所示，首先对像机拍摄的地面图像进行特征点提取与匹配，获取图像匹配点集；然后针对像机旋转和平移运动条件下、像机纯旋转运动条件下、像机纯旋转运动和焦距未知条件下的像机和惯性测量单元标定问题，分别提出了相应的最小配置解，并结合RANSAC(RANdom SAmple Consensus,随机抽样一致性算法)剔除图像匹配点集中的野值，确定图像匹配内点集；最后利用图像匹配内点集对旋转关系进行非线性优化，得到最终的标定结果。本发明通过最小配置解能够明显提高标定效率，标定速度快，并且直接最小化图像对所有图像匹配内点集的单应转换误差，具有明显的几何意义。

对于RANSAC算法，寻找最小配置解显得非常重要，因为在相同的野值比例条件下，RANSAC的随机采样次数随着最小配置解所需图像匹配点对数量的增加而成指数型增长。根据像机的运动情况和像机内参数是否已知，本发明分别提出了三种标定像机和惯性测量单元旋转关系的最小配置解：