基于单目视觉的定位方法和装置
技术领域
本发明涉及定位技术领域,尤其涉及一种基于单目视觉的定位方法和装置。
背景技术
SLAM(simultaneous localization and mapping):同步定位与地图构建系统,该问题可描述为机器人在未知环境中从一个未知位置开始移动,在移动过程中根据位置估计和地图进行自身定位,同时在自身定位的基础上建造增量式地图,实现机器人的自主定位和导航。
目前的SLAM根据硬件设备的不同主要有两种:基于激光雷达的SLAM和基于视觉的SLAM。其中,基于视觉的SLAM主要是通过摄像头采集的数据进行同步定位与地图构建。按照视觉传感器的不同可以将基于视觉的SLAM分为三种:基于单目摄像头(monocular camera)的SLAM、基于双目摄像头(binocular camera)的SLAM和基于深度摄像头(RGB-D camera)的SLAM。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:目前主流的单目摄像头的SLAM技术以非滤波方法为主,大都基于标定过后的视频影像序列进行,利用多点空间前方交汇进行地图构建,因此无法恢复出重建场景的真实尺度信息,导致定位与建图结果存在尺度奇异性。此外,现有的单目摄像头的SLAM方法往往将视频序列中拍摄第一帧影像时机器人所处的位置设定为坐标原点,而丢失了真实的地理坐标,使得重建出的地图无法与现有的带有绝对坐标信息的地图进行叠加,阻碍了其进一步应用。因此解决现有单目视觉SLAM中的真实尺度与空间位置信息缺失问题具有重要的现实意义。
发明内容
有鉴于此,本发明实施例提供一种基于单目视觉的定位方法和装置,能够获得具有真实尺度与绝对位置信息的定位结果与地图数据,使视觉SLAM技术在更多的应用场景中产生价值。
为实现上述目的,根据本发明实施例的一个方面,提供了一种基于单目视觉的定位方法和装置,包括:提取拍摄的两帧影像的特征点,基于所述特征点确定当前场景的初始化模型,以获得第一初始化地图;基于拍摄的第一帧影像的位姿信息,对所述第一初始化地图进行三维旋转和平移变换,以获得第二初始化地图;基于拍摄的第一帧影像与第二帧影像之间的基线长度,对所述第二初始化地图进行尺度变换,以获得第三初始化地图;确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,基于所述相对位姿和第三初始化地图进行定位。
可选地,在提取拍摄的两帧影像的特征点之前,所述方法还包括:标定摄像机的内参数;基于所述内参数,对拍摄的两帧影像进行畸变差校正。
可选地,提取拍摄的两帧影像的特征点,基于所述特征点确定当前场景的初始化模型,以获得第一初始化地图的过程包括:提取拍摄的第一帧影像与第二帧影像的FAST角点,以作为特征点;对所述特征点进行匹配,以获得匹配的特征点;根据匹配的特征点,确定第一帧影像与第二帧影像之间的单应变换矩阵和基础变换矩阵;分别确定单应变换矩阵和基础变换矩阵的变换误差,将变换误差小的矩阵作为当前场景的初始化模型;基于所述初始化模型,确定第一初始化地图。
可选地,基于拍摄的第一帧影像的位姿信息,对所述第一初始化地图进行三维旋转和平移变换的过程包括:根据摄像机与GPS组合导航系统之间的外参数对拍摄的第一帧影像的位姿信息进行校正,以获得第一帧影像的绝对位姿信息;基于所述第一帧影像的绝对位姿信息,对所述第一初始化地图进行三维旋转和平移变换。
可选地,确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,基于所述相对位姿和第三初始化地图进行定位的过程包括:
步骤A:根据当前帧影像的位姿信息与该当前帧影像的前一帧影像的位姿信息,确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤B或步骤C,若初步定位成功,则执行步骤D;
步骤B:根据运动模型确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤C;
步骤C:对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行全局搜索匹配,以实现初步定位;
步骤D:确定第三初始化地图中的所有三维空间点在当前帧影像上的投影点,基于所述投影点进行局部窗口特征匹配,以获得当前帧影像在第三初始化地图中的精确定位。
可选地,所述方法还包括:确定出现在当前帧影像并且未出现在该当前帧影像的前一帧影像中的三维空间点的数量;若所述三维空间点的数量大于或等于第一阈值,则将所述当前帧影像加入所述第三初始化地图,以对所述第三初始化地图进行更新。
可选地,在将所述前帧影像加入所述第三初始化地图之后,所述方法还包括:基于位姿信息,从拍摄的影像中确定与当前帧影像的距离小于第二阈值的影像,以形成候选回环影像集合;基于所述候选回环影像集合,检测是否存在回环;若存在,则对回环两端进行融合,以优化所述第三初始化地图。
为实现上述目的,根据本发明实施例的另一方面,提供了一种基于单目视觉的定位装置,包括:第一初始化地图获取模块,用于提取拍摄的两帧影像的特征点,基于所述特征点确定当前场景的初始化模型,以获得第一初始化地图;第二初始化地图获取模块,用于基于拍摄的第一帧影像的位姿信息,对所述第一初始化地图进行三维旋转和平移变换,以获得第二初始化地图;第三初始化地图获取模块,用于基于拍摄的第一帧影像与第二帧影像之间的基线长度,对所述第二初始化地图进行尺度变换,以获得第三初始化地图;定位模块,用于确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,基于所述相对位姿和第三初始化地图进行定位。
可选地,所述装置还包括畸变校正模块,用于:标定摄像机的内参数;基于所述内参数,校正拍摄的两帧影像的畸变。
可选地,所述第一初始化地图获取模块还用于:提取拍摄的第一帧影像与第二帧影像的FAST角点,以作为特征点;对所述特征点进行匹配,以获得匹配的特征点;根据匹配的特征点,确定第一帧影像与第二帧影像之间的单应变换矩阵和基础变换矩阵;分别确定单应变换矩阵和基础变换矩阵的变换误差,将变换误差小的矩阵作为当前场景的初始化模型;基于所述初始化模型,确定第一初始化地图。
可选地,第二初始化地图获取模块还用于:根据摄像机与GPS组合导航系统之间的外参数对拍摄的第一帧影像的位姿信息进行校正,以获得第一帧影像的绝对位姿信息;基于所述第一帧影像的绝对位姿信息,对所述第一初始化地图进行三维旋转和平移变换。
可选地,第二初始化地图获取模块还用于:
步骤A:根据当前帧影像的位姿信息与该当前帧影像的前一帧影像的位姿信息,确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤B或步骤C,若初步定位成功,则执行步骤D;
步骤B:根据运动模型确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤C;
步骤C:对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行全局搜索匹配,以实现初步定位;
步骤D:确定第三初始化地图中的所有三维空间点在当前帧影像上的投影点,基于所述投影点进行局部窗口特征匹配,以获得当前帧影像在第三初始化地图中的精确定位。
可选地,所述装置还包括地图更新模块,用于:确定出现在当前帧影像并且未出现在该当前帧影像的前一帧影像中的三维空间点的数量;若所述三维空间点的数量大于或等于第一阈值,则将所述当前帧影像加入所述第三初始化地图,以对所述第三初始化地图进行更新。
可选地,所述装置还包括回环检测模块,用于:基于位姿信息,从拍摄的影像中确定与当前帧影像的距离小于第二阈值的影像,以形成候选回环影像集合;基于所述候选回环影像集合,检测是否存在回环;若存在,则对回环两端进行融合,以优化所述第三初始化地图。
为实现上述目的,根据本发明实施例的又一方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例的基于单目视觉的定位方法。
为实现上述目的,根据本发明实施例的再一方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例的基于单目视觉的定位方法。
上述发明中的一个实施例具有如下优点或有益效果:因为采用提取拍摄的两帧影像的特征点,基于所述特征点确定当前场景的初始化模型,以获得第一初始化地图;基于拍摄的第一帧影像的位姿信息,对所述第一初始化地图进行三维旋转和平移变换,以获得第二初始化地图;基于拍摄的第一帧影像与第二帧影像之间的基线长度,对所述第二初始化地图进行尺度变换,以获得第三初始化地图;确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,基于所述相对位姿和第三初始化地图进行定位的技术手段,所以克服了现有单目视觉SLAM中的真实尺度与空间位置信息缺失的问题,能够获得具有真实尺度与绝对位置信息的定位结果与地图数据。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的基于单目视觉的定位方法的主要流程的示意图;
图2是根据本发明实施例的基于单目视觉的定位方法的局部窗口特征匹配的示意图;
图3是根据本发明实施例的基于单目视觉的定位装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的基于单目视觉的定位方法的主要流程的示意图,如图1所示,该方法包括:
步骤S101:提取拍摄的两帧影像的特征点,基于所述特征点确定当前场景的初始化模型,以获得第一初始化地图;
步骤S102:基于拍摄的第一帧影像的位姿信息,对所述第一初始化地图进行三维旋转和平移变换,以获得第二初始化地图;步骤S103:基于拍摄的第一帧影像与第二帧影像之间的基线长度,对所述第二初始化地图进行尺度变换,以获得第三初始化地图;
步骤S104:确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,基于所述相对位姿和第三初始化地图进行定位。
本发明的基于单目视觉的定位方法将GPS组合导航系统提供的绝对位置信息和姿态信息融入到SLAM定位与地图构建过程中。具体的,GPS组合导航系统包括GPS装置和IMU单元(inertial measurement unit,惯性测量单元)。其中,IMU单元是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的,一个IMU包含了三个单轴的加速度计和三个单轴的陀螺,加速度计检测物体在载体坐标系统独立三轴的加速度信号,而陀螺检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态。
对于步骤S101,具体可以包括:
提取拍摄的第一帧影像与第二帧影像的FAST角点,以作为特征点;
对所述特征点进行匹配,以获得匹配的特征点;
根据匹配的特征点,确定第一帧影像与第二帧影像之间的单应变换矩阵和基础变换矩阵;
分别确定单应变换矩阵和基础变换矩阵的变换误差,将变换误差小的矩阵作为当前场景的初始化模型;
基于所述初始化模型,确定第一初始化地图。
其中,特征点由关键点和描述子两部分组成,关键点是指该特征点在图像里的位置,有些具有朝向、大小等。描述子为向量,描述了该关键点周围像素的信息。FAST(Features From Accelerated Segment Test)是一种角点检测方法,它可以用于特征点的提取、并完成跟踪和映射物体。用该算法提取的角点为FAST角点。该算法的基本原理是使用圆周长为16个像素点(半径为3的Bresenham圆)来判定其圆心像素O是否为角点。在圆周上按顺时针方向从1到16的顺序对圆周像素点进行编号。如果在圆周上有N个连续的像素的亮度都比圆心像素的亮度Op加上亮度阈值e还要亮,或者比圆心像素的亮度减去亮度阈值还要暗,则圆心像素被称为角点。在本实施例中,将FAST角点作为影像的特征点,其保留影像重要特征的同时,可以代替整幅影像的处理,有效地减少信息的数据量,使其信息的含量很高,有效地提高了计算的速度,有利于影像的可靠匹配。
在可选的实施例中,在提取拍摄的两帧影像的FAST角点之前,该方法还包括:
标定摄像机的内参数;
基于所述内参数,对拍摄的两帧影像进行畸变差校正。
具体的,上述摄像机为单目摄像机。摄像机的内参数是指与摄像机自身特性相关的参数,例如摄像机的焦距fx、fy,主点cx、cy,以及畸变参数k1、k2、k3、p1、p2等。
可选地,还可以标定摄像机与GPS组合导航系统之间的外参数,该外参数用于表示摄像机在惯导坐标系中的位置和方向,例如相对旋转参数
ω、k与相对平移参数Δ
x、Δ
y、Δ
z。在本实施例中,可以利用Matlab(Matrix Laboratory,矩阵实验室)相机标定工具箱标定上述内参数和外参数。
在标定内参数之后,对摄像机拍摄的视频序列中的每帧影像按照下式(1)进行畸变差校正,然后在去畸变的影像上提取特征点。
其中,r为待校正像素点(x,y)与影像中心像素点(cx、cy)之间的距离。
在提取特征点之后,计算特征点的ORB(Oriented FAST and Rotated BRIEF)二值描述向量,并通过汉明距离(hamming)度量两个特征点之间的距离,以实现特征匹配。其中,汉明距离是使用在数据传输差错控制编码里面的,汉明距离是一个概念,它表示两个(相同长度)字对应位不同的数量。
在得到两帧影像的匹配特征点集合(xf,xb)后,通过如下方程(2)计算两帧影像之间的单应变换矩阵H与基础变换矩阵F。单应变换矩阵H描述了两个平面的映射关系,若场景中的特征点都落在同一平面上,则可以通过单应行来进行运动估计。单应变换矩阵H通常描述处于共同平面上的一些点在两张图像之间的变换关系。
然后,分别计算单应变换矩阵H与基础变换矩阵F的变换误差,将变换误差较小的矩阵作为当前场景的初始化模型。其中,变换误差是指将一张影像上的像素点坐标通过单应变换矩阵H或基础变换矩阵F变换到另一张影像上的真实点之间的距离。
最后,通过经典的捆绑调整算法得到以第一帧影像的摄影中心为坐标原点,以预设的长度为距离度量单位的第一初始化地图。其中,第一初始化地图是由三维空间点构成的,每个三维空间点都与二维影像中的一个像素点相关联,即三维空间点在影像中的投影像素点。在初始阶段,这些三维空间点是在一个局部坐标系下的,这个坐标系的原点就是第一帧影像的摄影中心,所谓摄影中心就是第一帧影像在拍照一瞬间摄像机所处的空间位置。
对于步骤S102,具体可以包括:
根据所述外参数对拍摄的第一帧影像的位姿信息进行校正,以获得第一帧影像的绝对位姿信息;
基于所述第一帧影像的绝对位姿信息,对所述第一初始化地图进行三维旋转和平移变换,以获得恢复所述第一初始化地图的绝对坐标原点的第二初始化地图。
更具体的,读取GPS组合导航系统提供的第一帧影像的位姿信息(RG,TG),并根据摄像机与GPS组合导航系统之间的外参数按照下式(3)对第一帧影像的位姿信息(RG,TG)进行校正,以获得第一帧影像的绝对位姿信息(R,T)。
其中,RC为标定参数中的角元素ω、k对应的旋转矩阵,TC=[Δx Δy Δz]T。
以第一帧影像的绝对位姿信息(R,T)为基准,按照下式(4)对第一初始化地图中包含的所有三维空间点进行三维旋转和平移变换,以便恢复第一初始化地图的绝对坐标原点,进而获得第二初始化地图。
PW=RPr+T (4)
Pr为三维空间点进行三维旋转和平移变换之前的坐标,Pw为三维空间点进行三维旋转和平移变换之后的坐标。
对于步骤S03,基线长度是指两个不同时刻摄像机之间的实际距离。通过GPS组合导航系统测得的位姿信息可以计算前两帧影像之间的基线长度L。以L为参数按照下式(5)对第二初始化地图中的三维空间点进行尺度变换,得到具有真实尺度信息的第三初始化地图。
Pg(x,y,z)=Pw(Lx,Ly,Lz) (5)
其中,Pg(x,y,z)表示尺度变换后三维空间点的坐标,Pw(x,y,z)表示尺度变换前三维空间点的坐标。
对于步骤S104,具体可以包括:
步骤A:根据当前帧影像的位姿信息与该当前帧影像的前一帧影像的位姿信息,确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤B或步骤C,若初步定位成功,则执行步骤D;
步骤B:根据运动模型确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤C;
步骤C:对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行全局搜索匹配,以实现初步定位;
步骤D:确定第三初始化地图中的所有三维空间点在当前帧影像上的投影点,基于所述投影点进行局部窗口特征匹配,以获得当前帧影像在第三初始化地图中的精确定位。
对于步骤A,可以按照下式(6)确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿。
其中,MtR表示当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,(Rt,Tt)表示当前帧影像的绝对位姿,(Rt-1,Tt-1)表示当前帧影像的前一帧影像的绝对位姿。
以步骤S102构建的第二初始化地图为基础,将前一帧影像中的特征点投影到当前帧影像,在当前帧影像上以投影点为中心建立半径为r1的局部邻域窗口,在该局部邻域窗口的范围内查找与该特征点之间的汉明距离最小的特征点,将该汉明距离最小的特征点作为最优匹配点,并根据查找的最优匹配点利用例如PNP算法对相对位姿进行精化,实现初步定位。其中,PNP算法为:N点透视,给出一个世界坐标系标定的物体/三维点集合。依据透射关系,根据平面图像/N个二维投影点的位置来推算相机的观察者位姿。通过PNP算法可以经过一个多点模型解析出特定点集相对于点集模型的三维姿态和缩放尺度。
若步骤A初步定位成功,则执行步骤D。若步骤A初步定位失败,可以执行步骤B,若步骤B依然定位失败,则执行步骤C。或者,若步骤A初步定位失败,可以直接执行步骤C。
对于步骤B,运动模型是指机器人的运动模型。根据t-1帧之前统计出的机器人在近段时间之内的运动规律来估算当前帧影像与该当前帧影像的前一帧影像之间的相对位姿(比如说,机器人从t-2帧到t-1帧向正北方向前进了1米,那么从t-1帧到t帧也应该有类似的运动规律),在得到相对位姿之后,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,实现初步定位。
对于步骤C,将前一帧影像中的特征点投影到当前帧影像,在当前帧影像内查找与该特征点的最优匹配点,并根据匹配结果利用例如PNP算法对相对位姿进行精化,实现初步定位。
对于步骤D,将第三初始化地图中可能出现在当前帧影像中的所有三维空间点利用下式(7)进行投影,若投影后的投影点在位于当前影像内则进行局部窗口特征匹配,即在当前帧影像上以投影点为中心建立半径为r2的局部邻域窗口,在该局部邻域窗口的范围内查找与该三维空间点之间的汉明距离最小的特征点,将该汉明距离最小的特征点作为最优匹配点。其中,第三初始化地图中可能出现在当前帧影像中的所有三维空间点为第三初始化地图中所有与当前帧影像的距离小于距离阈值的三维空间点。
作为具体的示例,如下图2所示,假定第三初始化地图中的三维点Pi(XW,YW,ZW)在当前帧影像中的投影点坐标为pi(u,v),在当前帧影像上以pi点为中心建立半径为r2的局部邻域窗口,通过在该窗口范围内寻找与Pi点的汉明距离最小的特征点,将该汉明距离最小的特征点作为最优匹配点,以便建立起当前帧影像与第三初始化地图之间的约束关联,得到当前帧影像在第三初始化地图中的精确定位结果,实现定位跟踪。
本发明实施例通过局部窗口特征匹配与地图建立约束关联,得到当前帧影像在第三初始化地图中的精确定位结果,实现定位跟踪。
在可选的实施例中,所述方法还包括地图更新与优化,具体可以包括:
确定出现在当前帧影像并且未出现在该当前帧影像的前一帧影像中的三维空间点的数量;
若所述三维空间点的数量大于或等于第一阈值,则将所述当前帧影像加入所述第三初始化地图,以对所述第三初始化地图进行更新。
更具体的,当上述三维空间点的数量大于或等于第一阈值,则将所述当前帧影像作为关键帧影像加入所述第三初始化地图,并基于该当前帧影像,利用经典的区域捆绑调整算法对相应的地图进行更新与优化。其中,第一阈值可以根据应用需求灵活设置,本发明在此不做限制。
可选的,在将所述前帧影像加入所述第三初始化地图之后,所述方法还包括回环检测,具体的可以包括:
基于位姿信息,从拍摄的影像中确定与当前帧影像的距离小于第二阈值的影像,以形成候选回环影像集合;
基于所述候选回环影像集合,检测是否存在回环;
若存在,则对回环两端进行融合,以优化所述第三初始化地图。
回环检测又称闭环检测(loop closure detection),是指机器人识别曾到达场景的能力。如果检测成功,可以显著地减小累积误差。回环检测目前多采用词袋模型(bag-of-word),它实质上是一种基于图像局部特征的标分类算法。所谓词袋,就是包含一组数据的打包或封装。在一个词袋中往往包含了若干幅图的基本特征元素。在一个完整的词袋中,一般有若干幅图的局部特征,包括形状、结构、颜色等具有鲁棒性,不变性的特征。由于词袋具有一类或多类图像的全部特征,故而在提取出词袋中的元素时,就可以对相近类图像进行描述,同时也可以用作不同类别图像的分类。
更具体的,可以利用GPS组合导航系统提供的位姿信息筛选出与当前帧影像的距离小于第二阈值T(如,T=20米)的影像,形成候选回环影像集合,然后利用经典的词袋模型算法依次检测加入第三初始化地图中的关键帧影像是否观测到了机器人之前观测过的位置,即进行回环查找。若检测到回环则利用ORB-SLAM中介绍的回环融合及图优化算法对回环两端的观测量进行融合及最优化求解,以消除构建地图过程中出现的累积误差,实现地图的全局最优化,得到具有真实尺度与空间位置信息的精确定位结果与数字地图。
本发明实施例的基于单目视觉的定位方法,克服了现有单目视觉SLAM中的真实尺度与空间位置信息缺失的问题,能够获得具有真实尺度与绝对位置信息的定位结果与地图数据。
本发明实施例的基于单目视觉的定位方法,将GPS组合导航系统提供的绝对位置和姿态信息融入到SLAM定位与地图构建过程中。作为具体的示例,本发明实施例以带有标定信息的视频流影像及GPS组合导航系统提供的位姿信息为输入,共包含地图初始化、跟踪定位、地图构建与优化、回环检测四个线程。其中,地图初始化线程用于初始化基础地图,是后续定位与地图更新的基础;定位跟踪线程用于确定每帧影像在当前地图中的精确位置;地图构建与优化线程根据不断加入的视频流影像来迭代更新地图;回环检测线程则根据检测到的回环对SLAM过程中累积的误差进行校正。
图3是根据本发明实施例的基于单目视觉的定位装置300的主要模块的示意图,如图3所示,该装置300包括:
第一初始化地图获取模块301,用于提取拍摄的两帧影像的特征点,基于所述特征点确定当前场景的初始化模型,以获得第一初始化地图;
第二初始化地图获取模块302,用于基于拍摄的第一帧影像的位姿信息,对所述第一初始化地图进行三维旋转和平移变换,以获得第二初始化地图;
第三初始化地图获取模块303,用于基于拍摄的第一帧影像与第二帧影像之间的基线长度,对所述第二初始化地图进行尺度变换,以获得第三初始化地图;
定位模块304,用于确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,基于所述相对位姿和第三初始化地图进行定位。
可选地,所述装置还包括畸变校正模块,用于:标定摄像机的内参数;基于所述内参数,校正拍摄的两帧影像的畸变。
可选地,所述第一初始化地图获取模块301还用于:提取拍摄的第一帧影像与第二帧影像的FAST角点,以作为特征点;对所述特征点进行匹配,以获得匹配的特征点;根据匹配的特征点,确定第一帧影像与第二帧影像之间的单应变换矩阵和基础变换矩阵;分别确定单应变换矩阵和基础变换矩阵的变换误差,将变换误差小的矩阵作为当前场景的初始化模型;基于所述初始化模型,确定第一初始化地图。
可选地,第二初始化地图获取模块还用于:根据摄像机与GPS组合导航系统之间的外参数对拍摄的第一帧影像的位姿信息进行校正,以获得第一帧影像的绝对位姿信息;基于所述第一帧影像的绝对位姿信息,对所述第一初始化地图进行三维旋转和平移变换。
可选地,第二初始化地图获取模块还用于:
步骤A:根据当前帧影像的位姿信息与该当前帧影像的前一帧影像的位姿信息,确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤B或步骤C,若初步定位成功,则执行步骤D;
步骤B:根据运动模型确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿;将所述相对位姿作为初始值,对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行局部区域匹配,以进行初步定位;若初步定位失败,则执行步骤C;
步骤C:对当前帧影像的特征点以及该当前帧影像的前一帧影像的特征点进行全局搜索匹配,以实现初步定位;
步骤D:确定第三初始化地图中的所有三维空间点在当前帧影像上的投影点,基于所述投影点进行局部窗口特征匹配,以获得当前帧影像在第三初始化地图中的精确定位。
可选地,所述装置还包括地图更新模块,用于:确定出现在当前帧影像并且未出现在该当前帧影像的前一帧影像中的三维空间点的数量;若所述三维空间点的数量大于或等于第一阈值,则将所述当前帧影像加入所述第三初始化地图,以对所述第三初始化地图进行更新。
可选地,所述装置还包括回环检测模块,用于:基于位姿信息,从拍摄的影像中确定与当前帧影像的距离小于第二阈值的影像,以形成候选回环影像集合;基于所述候选回环影像集合,检测是否存在回环;若存在,则对回环两端进行融合,以优化所述第三初始化地图。
上述装置可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
图4示出了可以应用本发明实施例的基于单目视觉的定位方法或基于单目视觉的定位装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是,本发明实施例所提供的基于单目视觉的定位方法一般由服务器405执行,相应地,基于单目视觉的定位装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该单元本身的限定,例如,发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
提取拍摄的两帧影像的特征点,基于所述特征点确定当前场景的初始化模型,以获得第一初始化地图;
基于拍摄的第一帧影像的位姿信息,对所述第一初始化地图进行三维旋转和平移变换,以获得第二初始化地图;基于拍摄的第一帧影像与第二帧影像之间的基线长度,对所述第二初始化地图进行尺度变换,以获得第三初始化地图;
确定当前帧影像与该当前帧影像的前一帧影像之间的相对位姿,基于所述相对位姿和第三初始化地图进行定位。
本发明实施例的技术方案,能够获得具有真实尺度与绝对位置信息的定位结果与地图数据,使视觉SLAM技术在更多的应用场景中产生价值。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。