[发明专利]定位方法和装置、设备及存储介质

说明书

本申请公开了一种定位方法和装置、设备及存储介质。该定位方法包括：获取设备拍摄的当前图像帧；依据当前图像帧与第一历史图像帧之间的相对位置关系，确定当前图像帧的初始位姿；利用点面约束模型对初始位姿进行优化得到优化后的位姿，并将优化后的位姿确定为设备的视觉定位结果；其中，点面约束模型是利用当前图像帧同第二历史图像帧之间的二维匹配特征点对，与结构化平面之间的关联关系构建的。上述方案，能够提高设备的定位精度。

技术领域

本申请涉及定位技术领域，特别是涉及一种定位方法和装置、设备及存储介质。

背景技术

视觉定位技术在很多领域中都起着很重要的作用，例如在无人驾驶、机器人等等领域。其中，在视觉定位技术中，很多时候会利用结构化平面来优化对设备的定位结果。结构化平面指的是根据构建的三维点建立的三维平面。一般使用结构化平面对设备的定位结果进行优化的方式是基于构建的三维点以及结构化平面的关系优化定位结果，三维点的精度将直接影响对设备的优化结果，若三维点精度不高，则会导致结构化平面对定位结果优化的精度不高。

发明内容

本申请至少提供一种定位方法和装置、设备及存储介质。

本申请提供了一种定位方法，包括：获取设备拍摄的当前图像帧；

依据当前图像帧与第一历史图像帧之间的相对位置关系，确定当前图像帧的初始位姿；利用点面约束模型对初始位姿进行优化得到优化后的位姿，并将优化后的位姿确定为设备的视觉定位结果；其中，点面约束模型是利用当前图像帧同第二历史图像帧之间的二维匹配特征点对，与结构化平面之间的关联关系构建的。

因此，通过当前图像帧同第二历史图像帧之间的二维特征点对，与结构化平面之间的关联关系构建点面约束模型，并通过该点面约束模型对设备的初始位姿进行优化，以使得点面约束模型中不包括三维点参数，从而在利用点面约束模型对初始位姿进行优化的过程中，不受三维点精度的影响，进而提高了设备的定位精度。

其中，结构化平面是利用设备拍摄的当前图像帧及当前图像帧以前的各历史图像帧构建得到的；利用点面约束模型对初始位姿进行优化得到优化后的位姿之前，包括：获取当前图像帧与第二历史图像帧中与结构化平面之间具有关联关系的二维匹配特征点对；依据当前图像帧和第二历史图像帧在世界坐标系下的第一位置参数、二维匹配特征点对的二维坐标以及结构化平面的第二位置参数，构建点面约束模型。

因此，通过使用当前图像帧和第二历史图像帧在世界坐标系下的第一位置参数、二维匹配特征点对的二维坐标以及结构化平面的第二位置参数，构建点面约束模型，无需利用三维点构建点面约束模型，从而在利用点面约束模型对初始位姿进行优化的过程中，不受三维点精度的影响，进而提高了设备的定位精度。

其中，点面约束模型包括点面优化方程，点面优化方程包括第一项和第二项，第一项和第二项分别位于点面优化方程的等号的两边；第一位置参数包括旋转矩阵和平移矩阵，第二位置参数包括方向矩阵以及距离矩阵；利用点面约束模型对初始位姿进行优化得到优化后的位姿，包括：依据当前图像帧和第二历史图像帧的旋转矩阵和平移矩阵、结构化平面的方向矩阵以及距离矩阵、二维匹配特征点对中位于第二历史图像帧中的特征点的二维坐标，确定当前图像帧中与第二历史图像帧中的特征点对应的匹配特征点的预测坐标，其中，预测坐标作为第一项；调整点面优化方程中的预设参数，以使第一项与第二项相等，其中，第二项为匹配特征点的二维坐标，预设参数包括当前图像帧的初始位姿。

因此，通过构建二维特征点与结构化平面之间的关联关系，对包含当前图像帧初始位姿的预设参数进行优化，能够提高对设备的定位精度。