[发明专利]一种设备位姿计算方法装置及设备

说明书

本发明公开了一种设备位姿计算方法装置及设备，该方案中，除了考虑到图像中的点特征中蕴含位姿信息，还考虑到图像中的线特征中也蕴含位姿信息，因此，本申请采用点、线结合的方式来计算设备的位姿，提高了位姿计算精度。此外，在进行点、线结合时，还考虑到通常点描述子和线描述子的维度和数据类型通常不同，若直接依据计算得到的线描述子进行线特征匹配及计算位姿的计算量非常大，因此，本申请还将线描述子的维度和数据类型转换为与点描述子的维度和数据类型相同，以便后续对线特征转换后的关键点特征和匹配的线特征进行统一的点计算进而得到设备的当前位姿，减小了计算量，提高了位姿计算的实时性。

技术领域

本发明涉及视觉定位技术领域，特别是涉及一种设备位姿计算方法装置及设备。

背景技术

近年来，VR(Virtual Reality，虚拟现实)一体式头戴式显示设备(以下简称VR头显)、无人驾驶汽车、无人机和机器人等设备的数量激增，它们能够依靠视觉设备感知自身的位置姿态数据。支撑这些设备进行自主导航的主要技术即为内向外定位(Inside-outTracking)技术。内向外定位技术，即为通过视觉摄像机采集连续的图像，然后通过特征提取匹配算法和位姿估计算法对连续帧中所包含的设备位姿数据进行估计的技术。

考虑到设备定位需要进行特征匹配，因此，其稳定性严重依赖于场景特征的丰富程度，且VR头显、无人机等设备的使用环境中的纹理特征较为复杂，仅依靠视觉图像帧中单一提取的点特征无法全面的感知真实场景中丰富的纹理信息，从而使得仅依靠单一的提取点特征进行位姿估计会导致设备的定位精度较低，影响设备的使用。

发明内容

本发明的目的是提供一种设备位姿计算方法装置及设备，提高了位姿计算精度，减小了计算量，提高了位姿计算的实时性。

为解决上述技术问题，本发明提供了一种设备位姿计算方法，包括：

获取设备所在场景的当前帧图像，并从所述当前帧图像中提取线特征和点特征；

计算所述线特征的线描述子和点特征的点描述子，并将所述线描述子的维度和数据类型转换为与所述点描述子的维度和数据类型相同；

基于转换后的线描述子确定与上一帧图像中的线特征匹配的线特征；基于点描述子确定与上一帧图像中的点特征匹配的点特征；

将匹配的所述线特征转换为关键点特征，基于所述关键点特征和匹配的所述点特征确定设备的当前位姿。

优选地，从所述当前帧图像中提取线特征和点特征，包括：

对所述当前帧图像构建尺度金字塔；

从所述尺度金字塔的每层中基于灰度的梯度信息提取线特征和点特征。

优选地，计算所述线特征的线描述子，包括：

对每层提取的线特征进行线特征重构，生成LineVec向量；

基于LineVec向量建立LSR线段支持域，其中，所述LSR线段支持域的条带数为m，条带的像素宽度为w；

基于条带数m，条带的像素宽度w、全局高斯函数及局部高斯函数确定线特征的浮点类型的线描述子；

其中，所述全局高斯函数为

所述局部高斯函数为

σ_g＝0.5(m·w-1)，σ_l＝w；

f_g(i)为LSR线段支持域中的第i行的全局权重系数，d_i为LSR线段支持域中的第i行到中心行的距离，σ_g为全局高斯函数中的条带系数；