CN113129366A - 单目slam初始化方法、装置及电子设备 - Google Patents
单目slam初始化方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113129366A CN113129366A CN202010024631.2A CN202010024631A CN113129366A CN 113129366 A CN113129366 A CN 113129366A CN 202010024631 A CN202010024631 A CN 202010024631A CN 113129366 A CN113129366 A CN 113129366A
- Authority
- CN
- China
- Prior art keywords
- target
- plane
- homography matrix
- camera
- target camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011423 initialization method Methods 0.000 title claims abstract description 23
- 238000013507 mapping Methods 0.000 title abstract description 5
- 230000004807 localization Effects 0.000 title abstract description 3
- 239000011159 matrix material Substances 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000013519 translation Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 238000000354 decomposition reaction Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本公开实施例中提供了一种单目SLAM初始化方法、装置及电子设备，属于图像处理技术领域。其中方法包括：获取目标相机采集的多帧连续图像；计算多帧连续图像之间的单应性矩阵；利用多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量。在初始化过程中使用多帧信息，将原有的矩阵分解求相机位姿和平面法向量的方法替换为变量优化。该方法参数量较少，利用变量优化的结果计算相机位姿和平面法向，并利用平面法向和相机到平面的归一化距离计算特征点的空间位置，避开了三角化和PnP，提高了单目SLAM初始化的效率。
Description
技术领域
本公开涉及图像处理技术领域，尤其涉及一种单目SLAM初始化方法、装置及电子设备。
背景技术
即时定位与地图构建(Simultaneous Localization and Mapping，简称SLAM)也称为并发建图与定位(Concurrent Mapping and Localization，简称CML)，是指将一个机器人放入未知环境中的未知位置，是否有办法让机器人一边移动一边逐步描绘出此环境完全的地图，所谓完全的地图(a consistent map)是指不受障碍行进到房间可进入的每个角落。现有的单目SLAM方法主要是使用两帧的图像信息，通过矩阵分解的方法计算相机位姿，再通过三角测量计算出特征点的空间位置，然后利用PnP和SfM方法对相机位姿和特征点进行优化，从而完成SLAM的初始化任务。
现有的单目SLAM方法存在矩阵分解的答案不唯一，需要一些挑选策略，而每一种挑选策略均不能满足所有情况，SfM方法的变量较多，因此收敛速度慢、三角化和PnP方法需要两帧图片之间有较大的基线，否则会发生退化等技术问题。
发明内容
有鉴于此，本公开实施例提供一种单目SLAM初始化方法、装置及电子设备，至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种单目SLAM初始化方法，包括：
获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；
计算所述多帧连续图像之间的单应性矩阵；
利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；
根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量，其中，所述目标相机的位姿数据至少包括所述目标相机的平移量。
根据本公开实施例的一种具体实现方式，所述根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量的步骤，包括：
根据全部所述单应性矩阵，求解目标函数；
优化所述目标函数，得到所述目标相机的位姿数据和平面法向量。
根据本公开实施例的一种具体实现方式，所述目标函数为：
其中，p代表前后两帧特征点在图像中的坐标，H代表单应性矩阵，π的计算方法为：
[x/z，y/z]T＝π([x，y，z]T)，
优化变量包括平面法向量和所述目标相机的位姿数据，表示为：
根据本公开实施例的一种具体实现方式，所述根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量的步骤之后，还包括：
根据所述目标平面的法向量和所述目标相机的平移量，计算出所述目标相机到目标平面的归一化距离；
根据全部所述特征点到所述目标平面的投影关系，计算全部所述特征点的归一化深度。
根据本公开实施例的一种具体实现方式，所述根据所述目标平面的法向量和所述目标相机的平移量，计算出所述目标相机到目标平面的归一化距离的步骤，包括：
利用公式nTP+d＝0计算出所述目标相机到目标平面的归一化距离；其中，n代表平面法向，P代表平面上任意一点的坐标，d代表相机到平面的归一化距离。
根据本公开实施例的一种具体实现方式，所述根据全部所述特征点到所述目标平面的投影关系，计算全部所述特征点的归一化深度的步骤，包括：
利用公式
计算出全部所述目标特征点的归一化深度。
根据本公开实施例的一种具体实现方式，所述计算所述多帧连续图像之间的单应性矩阵的步骤，包括：
提取所述多帧连续图像中的第一张图像中的目标特征点；
在所述第一张图像之后的全部图像中跟踪所述目标特征点，获取所述多帧连续图像之间的匹配关系；
根据所述多帧连续图像之间的匹配关系，计算所述多帧连续图像之间的单应性矩阵。
根据本公开实施例的一种具体实现方式，所述提取所述多帧连续图像中的第一张图像中的目标特征点的步骤，包括：
利用FAST提取所述第一张图像的目标特征点。
根据本公开实施例的一种具体实现方式，所述在所述第一张图像之后的全部图像中跟踪所述目标特征点的步骤，包括：
对所述第一张图像之后的全部图像利用KLT光流，进行所述目标特征点跟踪。
根据本公开实施例的一种具体实现方式，所述多帧连续图像之间的单应性矩阵包括：
其中，H表示单应性矩阵，K代表所述目标相机的参数，R代表两张图像之间所述目标相机的旋转，t代表两张图片之间所述目标相机的平移，d代表所述目标相机到所述目标平面的归一化距离，n代表平面法向量。
第二方面，本公开实施例提供了一种单目SLAM初始化装置，包括：
第一获取模块，用于获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；
第一计算模块，用于计算所述多帧连续图像之间的单应性矩阵；
第二获取模块，用于利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；
第二计算模块，用于根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量，其中，所述目标相机的位姿数据至少包括所述目标相机的平移量。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的单目SLAM初始化方法。
第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述第一方面或第一方面的任一实现方式中的单目SLAM初始化方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的单目SLAM初始化方法。
本公开实施例中的单目SLAM初始化方案，包括：获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；计算所述多帧连续图像之间的单应性矩阵；利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量，其中，所述目标相机的位姿数据至少包括所述目标相机的平移量。通过本公开的方案，在初始化过程中使用多帧信息，将矩阵分解求相机位姿和平面法向量的方法替换为变量优化。该方法相比SfM参数量较少，同时可以利用变量优化的结果计算相机位姿和平面法向，并利用平面法向和相机到平面的归一化距离计算特征点的空间位置，从而避开了三角化和PnP，提高收敛速度，提高了单目SLAM初始化的效率。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种单目SLAM初始化方法的流程示意图；
图2为本公开实施例提供的单目SLAM初始化方法的计算过程示意图；
图3为本公开实施例提供的另一种单目SLAM初始化方法的部分流程示意图；
图4为本公开实施例提供的另一种单目SLAM初始化方法的部分流程示意图；
图5为本公开实施例提供的一种单目SLAM初始化装置的结构示意图；
图6为本公开实施例提供的电子设备的示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种单目SLAM初始化方法。本实施例提供的单目SLAM初始化方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，为本公开实施例提供的一种单目SLAM初始化方法的流程示意图。如图1和图2所示，所述单目SLAM初始化方法主要包括：
S101，获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；
S102，计算所述多帧连续图像之间的单应性矩阵；
本实施例提供的单目SLAM初始化方法，使用多帧连续图像，以便利用目标相机所对应的更加丰富的特征点信息。
S103，利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；
在具体实施时，如图3所示，所述计算所述多帧连续图像之间的单应性矩阵的步骤，包括：
S301，提取所述多帧连续图像中的第一张图像中的目标特征点；
可选的，所述提取所述多帧连续图像中的第一张图像中的目标特征点的步骤，包括：
利用FAST提取所述第一张图像的目标特征点。
S302，在所述第一张图像之后的全部图像中跟踪所述目标特征点，获取所述多帧连续图像之间的匹配关系；
可选的，所述在所述第一张图像之后的全部图像中跟踪所述目标特征点的步骤，包括：
对所述第一张图像之后的全部图像利用KLT光流，进行所述目标特征点跟踪。
S303，根据所述多帧连续图像之间的匹配关系，计算所述多帧连续图像之间的单应性矩阵。
具体实施时，所述多帧连续图像之间的单应性矩阵包括：
其中，H表示单应性矩阵，K代表所述目标相机的参数，R代表两张图像之间所述目标相机的旋转，t代表两张图片之间所述目标相机的平移，d代表所述目标相机到所述目标平面的归一化距离，n代表平面法向量。
S104，根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量，其中，所述目标相机的位姿数据至少包括所述目标相机的平移量。
利用多帧信息，可以获取每两张图片之间的单应性矩阵。通过对这些单应性矩阵，可以初步求出平面法向n和多张图片之间相机的所有平移量t，作为所述目标相机的位姿数据。
考虑到上述方式求出来的值有误差，可选的，所述根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量的步骤，可以包括：
根据全部所述单应性矩阵，求解目标函数；
优化所述目标函数，得到所述目标相机的位姿数据和平面法向量。
可以利用所述目标平面的法向量和所述目标相机的平移量作为优化的初值，利用目标函数优化所述目标平面的法向量和所述目标相机的平移量的误差。
具体的，所述目标函数可以为：
其中，p代表前后两帧特征点在图像中的坐标，H代表单应性矩阵，π的计算方法为：
[x/z，y/z]T＝π([x，y，z]T)，
优化变量包括平面法向量和所述目标相机的位姿数据，表示为：
根据本公开实施例的一种具体实现方式，如图3所示，所述根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量的步骤之后，所述方法还可以包括：
S401，根据所述目标平面的法向量和所述目标相机的平移量，计算出所述目标相机到目标平面的归一化距离；
S402，根据全部所述特征点到所述目标平面的投影关系，计算全部所述特征点的归一化深度。
根据本公开实施例的一种具体实现方式，所述根据所述目标平面的法向量和所述目标相机的平移量，计算出所述目标相机到目标平面的归一化距离的步骤，包括：
利用公式nTP+d＝0计算出所述目标相机到目标平面的归一化距离；其中，n代表平面法向，P代表平面上任意一点的坐标，d代表相机到平面的归一化距离。
根据本公开实施例的一种具体实现方式，所述根据全部所述特征点到所述目标平面的投影关系，计算全部所述目标特征点的归一化深度的步骤，包括：
利用公式
计算出全部所述目标特征点的归一化深度。
本公开实施例中的单目SLAM初始化方案，包括：获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；计算所述多帧连续图像之间的单应性矩阵；利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；根据全部所述单应性矩阵优化变量，所述目标相机的位姿数据。通过本公开的方案，在初始化过程中使用多帧信息，将矩阵分解求相机位姿的方法替换为变量优化。该方法相比SfM参数量较少，同时可以利用变量优化的结果计算相机位姿和平面法向，并利用平面法向和相机到平面的归一化距离计算特征点的空间位置，从而避开了三角化和PnP，提高收敛速度，提高了单目SLAM初始化的效率。
与上面的方法实施例相对应，参见图5，本公开实施例还提供了一种单目SLAM初始化装置50，包括：
第一获取模块501，用于获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；
第一计算模块502，用于计算所述多帧连续图像之间的单应性矩阵；
第二获取模块503，用于利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；
第二计算模块504，用于根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量。
图5所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图6，本公开实施例还提供了一种电子设备60，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的单目SLAM初始化方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述方法实施例中的单目SLAM初始化方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的单目SLAM初始化方法。
下面参考图6，其示出了适于用来实现本公开实施例的电子设备60的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示，电子设备60可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备60操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备60与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备60，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
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该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。
或者，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该电子设备执行时，使得该电子设备能够实现上述方法实施例提供的方案。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种单目SLAM初始化方法，其特征在于，包括：
获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；
计算所述多帧连续图像之间的单应性矩阵；
利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；
根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量，所述目标相机的位姿数据至少包括所述目标相机的平移量。
2.根据权利要求1所述的方法，其特征在于，所述根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量的步骤，包括：
根据全部所述单应性矩阵，求解目标函数；
优化所述目标函数，得到所述目标相机的位姿数据和平面法向量。
3.根据权利要求2所述的方法，其特征在于，所述目标函数为：
其中，p代表前后两帧特征点在图像中的坐标，H代表单应性矩阵，π的计算方法为：
[x/z，y/z]T＝π([x，y，z]T)
优化变量包括平面法向量和所述目标相机的位姿数据，表示为：
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量之后，还包括：
根据所述目标平面的法向量和所述目标相机的平移量，计算出所述目标相机到目标平面的归一化距离；
根据全部所述特征点到所述目标平面的投影关系，计算全部所述特征点的归一化深度。
5.根据权利要求4所述的方法，其特征在于，根据所述目标平面的法向量和所述目标相机的平移量，计算出所述目标相机到目标平面的归一化距离的步骤，包括：
利用公式nTP+d＝0计算出所述目标相机到目标平面的归一化距离；其中，n代表平面法向，P代表平面上任意一点的坐标，d代表相机到平面的归一化距离。
6.根据权利要求5所述的方法，其特征在于，所述根据全部所述特征点到所述目标平面的投影关系，计算全部所述特征点的归一化深度的步骤，包括：
利用公式
计算出全部所述特征点的归一化深度。
7.根据权利要求6所述的方法，其特征在于，所述计算所述多帧连续图像之间的单应性矩阵的步骤，包括：
提取所述多帧连续图像中的第一张图像中的目标特征点；
在所述第一张图像之后的全部图像中跟踪所述目标特征点，获取所述多帧连续图像之间的匹配关系；
根据所述多帧连续图像之间的匹配关系，计算所述多帧连续图像之间的单应性矩阵。
8.根据权利要求7所述的方法，其特征在于，所述提取所述多帧连续图像中的第一张图像中的目标特征点的步骤，包括：
利用FAST提取所述第一张图像的目标特征点。
9.根据权利要求8所述的方法，其特征在于，所述在所述第一张图像之后的全部图像中跟踪所述目标特征点的步骤，包括：
对所述第一张图像之后的全部图像利用KLT光流，进行所述目标特征点跟踪。
10.根据权利要求9所述的方法，其特征在于，所述多帧连续图像之间的单应性矩阵包括：
其中，H表示单应性矩阵，K代表所述目标相机的参数，R代表两张图像之间所述目标相机的旋转，t代表两张图片之间所述目标相机的平移，d代表所述目标相机到所述目标平面的归一化距离，n代表平面法向量。
11.一种单目SLAM初始化装置，其特征在于，包括：
第一获取模块，用于获取目标相机采集的多帧连续图像，其中，所述目标相机朝向所在目标场景内的一个目标平面；
第一计算模块，用于计算所述多帧连续图像之间的单应性矩阵；
第二获取模块，用于利用所述多帧连续图像之间的单应性矩阵，获取每两张图像之间的单应性矩阵；
第二计算模块，用于根据全部所述单应性矩阵优化变量，得到所述目标相机的位姿数据和平面法向量，其中，所述目标相机的位姿数据至少包括所述目标相机的平移量。
12.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1-X中任一项所述的单目SLAM初始化方法。
13.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1-X中任一项所述的单目SLAM初始化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010024631.2A CN113129366B (zh) | 2020-01-10 | 2020-01-10 | 单目slam初始化方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010024631.2A CN113129366B (zh) | 2020-01-10 | 2020-01-10 | 单目slam初始化方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113129366A true CN113129366A (zh) | 2021-07-16 |
| CN113129366B CN113129366B (zh) | 2024-04-30 |
Family
ID=76771201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010024631.2A Active CN113129366B (zh) | 2020-01-10 | 2020-01-10 | 单目slam初始化方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113129366B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592706A (zh) * | 2021-07-28 | 2021-11-02 | 北京地平线信息技术有限公司 | 调整单应性矩阵参数的方法和装置 |
| WO2023109221A1 (zh) * | 2021-12-14 | 2023-06-22 | 北京地平线信息技术有限公司 | 确定单应性矩阵的方法、装置、介质、设备和程序产品 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732518A (zh) * | 2015-01-19 | 2015-06-24 | 北京工业大学 | 一种基于智能机器人地面特征的ptam改进方法 |
| CN104899918A (zh) * | 2015-05-14 | 2015-09-09 | 深圳大学 | 一种无人机的三维环境建模方法及系统 |
| CN106803270A (zh) * | 2017-01-13 | 2017-06-06 | 西北工业大学深圳研究院 | 无人机平台基于单目slam的多关键帧协同地面目标定位方法 |
| CN108052887A (zh) * | 2017-12-07 | 2018-05-18 | 东南大学 | 一种融合slam/gnss信息的疑似违法用地自动识别系统及方法 |
| CN108645398A (zh) * | 2018-02-09 | 2018-10-12 | 深圳积木易搭科技技术有限公司 | 一种基于结构化环境的即时定位与地图构建方法及系统 |
| CN109307508A (zh) * | 2018-08-29 | 2019-02-05 | 中国科学院合肥物质科学研究院 | 一种基于多关键帧的全景惯导slam方法 |
| CN109544636A (zh) * | 2018-10-10 | 2019-03-29 | 广州大学 | 一种融合特征点法和直接法的快速单目视觉里程计导航定位方法 |
| CN109636852A (zh) * | 2018-11-23 | 2019-04-16 | 浙江工业大学 | 一种单目slam初始化方法 |
| CN109671120A (zh) * | 2018-11-08 | 2019-04-23 | 南京华捷艾米软件科技有限公司 | 一种基于轮式编码器的单目slam初始化方法及系统 |
| CN110264509A (zh) * | 2018-04-27 | 2019-09-20 | 腾讯科技（深圳）有限公司 | 确定图像捕捉设备的位姿的方法、装置及其存储介质 |
| CN110322500A (zh) * | 2019-06-28 | 2019-10-11 | Oppo广东移动通信有限公司 | 即时定位与地图构建的优化方法及装置、介质和电子设备 |
| CN110660098A (zh) * | 2018-06-28 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 基于单目视觉的定位方法和装置 |
-
2020
- 2020-01-10 CN CN202010024631.2A patent/CN113129366B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104732518A (zh) * | 2015-01-19 | 2015-06-24 | 北京工业大学 | 一种基于智能机器人地面特征的ptam改进方法 |
| CN104899918A (zh) * | 2015-05-14 | 2015-09-09 | 深圳大学 | 一种无人机的三维环境建模方法及系统 |
| CN106803270A (zh) * | 2017-01-13 | 2017-06-06 | 西北工业大学深圳研究院 | 无人机平台基于单目slam的多关键帧协同地面目标定位方法 |
| CN108052887A (zh) * | 2017-12-07 | 2018-05-18 | 东南大学 | 一种融合slam/gnss信息的疑似违法用地自动识别系统及方法 |
| CN108645398A (zh) * | 2018-02-09 | 2018-10-12 | 深圳积木易搭科技技术有限公司 | 一种基于结构化环境的即时定位与地图构建方法及系统 |
| CN110264509A (zh) * | 2018-04-27 | 2019-09-20 | 腾讯科技（深圳）有限公司 | 确定图像捕捉设备的位姿的方法、装置及其存储介质 |
| CN110660098A (zh) * | 2018-06-28 | 2020-01-07 | 北京京东尚科信息技术有限公司 | 基于单目视觉的定位方法和装置 |
| CN109307508A (zh) * | 2018-08-29 | 2019-02-05 | 中国科学院合肥物质科学研究院 | 一种基于多关键帧的全景惯导slam方法 |
| CN109544636A (zh) * | 2018-10-10 | 2019-03-29 | 广州大学 | 一种融合特征点法和直接法的快速单目视觉里程计导航定位方法 |
| CN109671120A (zh) * | 2018-11-08 | 2019-04-23 | 南京华捷艾米软件科技有限公司 | 一种基于轮式编码器的单目slam初始化方法及系统 |
| CN109636852A (zh) * | 2018-11-23 | 2019-04-16 | 浙江工业大学 | 一种单目slam初始化方法 |
| CN110322500A (zh) * | 2019-06-28 | 2019-10-11 | Oppo广东移动通信有限公司 | 即时定位与地图构建的优化方法及装置、介质和电子设备 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113592706A (zh) * | 2021-07-28 | 2021-11-02 | 北京地平线信息技术有限公司 | 调整单应性矩阵参数的方法和装置 |
| CN113592706B (zh) * | 2021-07-28 | 2023-10-17 | 北京地平线信息技术有限公司 | 调整单应性矩阵参数的方法和装置 |
| WO2023109221A1 (zh) * | 2021-12-14 | 2023-06-22 | 北京地平线信息技术有限公司 | 确定单应性矩阵的方法、装置、介质、设备和程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113129366B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107273083B (zh) | 一种终端设备之间的交互方法、装置、设备和存储介质 | |
| CN106846497B (zh) | 应用于终端的呈现三维地图的方法和装置 | |
| CN111292420B (zh) | 用于构建地图的方法和装置 | |
| CN111222509B (zh) | 目标检测方法、装置及电子设备 | |
| CN113129366B (zh) | 单目slam初始化方法、装置及电子设备 | |
| CN114399588A (zh) | 三维车道线生成方法、装置、电子设备和计算机可读介质 | |
| CN111652675A (zh) | 展示方法、装置和电子设备 | |
| CN110070617B (zh) | 数据同步方法、装置、硬件装置 | |
| CN112270242B (zh) | 轨迹的显示方法、装置、可读介质和电子设备 | |
| CN111626990B (zh) | 目标检测框处理方法、装置及电子设备 | |
| CN110069195B (zh) | 图像拖拽变形方法和装置 | |
| CN110487264B (zh) | 修正地图的方法、装置、电子设备、及存储介质 | |
| CN110264430B (zh) | 视频美化方法、装置及电子设备 | |
| CN112337675B (zh) | 一种喷涂机器人喷涂控制方法、装置及电子设备 | |
| CN110070479B (zh) | 图像变形拖拽点定位方法和装置 | |
| CN114049403A (zh) | 一种多角度三维人脸重建方法、装置及存储介质 | |
| CN112880675B (zh) | 用于视觉定位的位姿平滑方法、装置、终端和移动机器人 | |
| JP2024518594A (ja) | 電子テーブル導入方法、装置、機器及び媒体 | |
| CN110390717B (zh) | 3d模型重建方法、装置及电子设备 | |
| CN110349109B (zh) | 基于鱼眼畸变校正方法及其系统、电子设备 | |
| CN111311665B (zh) | 视频处理方法、装置及电子设备 | |
| CN113808050B (zh) | 3d点云的去噪方法、装置、设备及存储介质 | |
| KR102534449B1 (ko) | 이미지 처리 방법, 장치, 전자 장치 및 컴퓨터 판독 가능 저장 매체 | |
| CN112818748B (zh) | 确定视频中的平面的方法和装置、存储介质和电子设备 | |
| CN117710612A (zh) | 增强现实锚点管理方法、设备、存储介质及程序产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |