[发明专利]一种不需要特征点匹配的多相机位姿估计方法

说明书

本发明涉及一种不需要特征点匹配的多相机位姿估计方法，包括以下步骤：步骤S1：标定待测相机的内参和畸变系数；步骤S2：在平面上构建空间直角坐标系，并设置地标；步骤S3：相机采集平面图像，并根据得到的标定待测相机的内参和畸变系数消畸变；步骤S4：提取平面图像中地标的位置；步骤S5：根据提取得到的图像中的地标和平面上地标的位置，计算相机和平面之间的单应矩阵；步骤S6：根据得到单应矩阵，计算不同时刻不同相机之间的单应矩阵；步骤S7：分解根据步骤S6计算的单应矩阵得到相机之间的位姿。本发明计算快速，为多相机位姿估计提供了新思路，借助地标位置估计多个相机在不同时刻的位姿。

技术领域

本发明涉及基于视觉的多相机位姿估计领域，涉及一种不需要特征点匹配的多相机位姿估计方法。

背景技术

目前，有不止一种方式可以确定移动机器人的轨迹，这里将重点强调“视觉里程计”这种方法。视觉里程计能够重构出搭载相机的多个机体运动轨迹和多个机体之间的相对位姿关系。作为基于视觉技术的一种，在最近十几年的时间里已广泛应用于各类机器人的导航定位中，是目前最主要的位姿估计方法之一。与其他方法相比，如轮式里程计，GPS定位等，视觉里程计适用更加广泛，在水下太空等环境均能使用，其中最成功的应用当属美国NASA开发的火星探测器“勇气号”和“机遇号”。除此以外，还用于无人空中飞行器、水下机器人、室内/外陆地机器人等。，

视觉里程计的基本步骤包括特征提取、特征匹配、坐标变换和运动估计。当前大多数视觉里程计系统是基于此框架。其中特征匹配是影响到相机位姿估计的最重要的因素之一，特征匹配的准确度将决定相机位姿估计的准确度。并且特征匹配对于相机运动的大小有限制，相机运动过大，图像共视区域减少将严重影响特征点的匹配。特征匹配还是一个计算复杂度很高的一个过程，计算复杂度随着图像中特征点的增多而增高。

发明内容

有鉴于此，本发明的目的在于提供一种不需要特征点匹配的多相机位姿估计方法，原理简单，计算快速，为多相机位姿估计提供了新思路，借助地标位置估计多个相机在不同时刻的位姿，可广泛用于自动驾驶，无人机定位等多种场景。

为实现上述目的，本发明采用如下技术方案：

一种不需要特征点匹配的多相机位姿估计方法，包括以下步骤：

步骤S1：标定待测相机的内参和畸变系数；

步骤S2：在平面上构建空间直角坐标系，并设置地标；

步骤S3：相机采集平面图像，并根据得到的标定待测相机的内参和畸变系数消畸变；

步骤S4：提取平面图像中地标的位置；

步骤S5：根据提取得到的图像中的地标和平面上地标的位置，计算相机和平面之间的单应矩阵；

步骤S6：根据得到单应矩阵，计算不同时刻不同相机之间的单应矩阵；

步骤S7：分解根据步骤S6计算的单应矩阵得到相机之间的位姿。

进一步的，所述步骤S2具体为：

步骤S21：选取一个平面，并指定一个点作为坐标系原点，规定x,y坐标轴在平面上，指定z轴为垂直平面方向，建立3维坐标系；

步骤S22：在平面坐标系中指定位置放置指定的地标。

进一步的，所述地标采用aruco码。

进一步的，所述步骤S5具体为：根据步骤S4提取的地标的多顶点p_i＝[u_i v_i]^T和指定地标的顶点在平面上的位置q_i＝[x_i y_i 0]^T估计第m时刻第n个相机与平面之间的单应矩阵H_mn。