买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:南京邮电大学
摘要:本发明公开了一种基于单目相机的半稠密点云地图构建方法,包括关键帧图像判别模块、匹配图像块提取模块、单应矩阵计算模块、特征点对应关系计算模块、三角化计算模块、三维空间点夹角计算模块、相机坐标系半稠密点云地图模块、全局地图模块,以单目相机所获取的、以时序排列的图像序列为输入,以全局地图为输出,构建半稠密点云地图模型,应用半稠密点云地图模型,完成世界坐标系下全局地图的构建,本方法构建的半稠密点云地图模型基于单目相机,相比于双目相机成本低,且不易受到光照影响,所构建的地图不易出现偏差。
主权项:1.一种基于单目相机的半稠密点云地图构建方法,其特征在于,按预设周期执行步骤S1-S9,获得半稠密点云地图模型,然后应用半稠密点云地图模型,完成世界坐标系下预设目标场景的全局地图的构建;S1.针对预设目标场景,以沿预设轨迹移动的单目相机获取预设目标场景的图像,以单目相机所获取的、以时序排列的图像序列为输入,基于ORB-SLAM2算法判别图像序列中的各关键帧图像,构建以时序排列的关键帧图像集合,以关键帧图像集合、各关键帧图像分别所对应的变换矩阵为输出,构建关键帧图像判别模块;S2.以关键帧图像集合中一个关键帧图像后的第2帧关键帧图像为关键帧图像的参考帧图像,其中i为关键帧图像集合中各关键帧图像的编号,ti为关键帧图像集合中第i个关键帧图像的时刻,以各关键帧图像、以及各关键帧图像分别所对应的参考帧图像为输入,基于ORB-SLAM2算法,分别针对各关键帧图像,针对各关键帧图像及其所对应参考帧图像进行ORB特征点提取和匹配,根据匹配成功的各特征点的像素位置,构建匹配图像块,以各匹配图像块为输出,构建匹配图像块提取模块;S3.以匹配图像块为输入,基于匹配图像块中匹配成功的各特征点分别对应的各三维空间点,根据单应矩阵计算,以各关键帧图像及其分别所对应的参考帧图像之间的旋转矩阵、平移向量为输出,构建单应矩阵计算模块;S4.以匹配图像块提取模块输出的各匹配图像块为输入,基于匹配图像块中匹配成功的各特征点的像素位置,采用RAFT流光法,计算各关键帧图像中匹配成功的各特征点的像素位置分别相对于其所对应的各参考帧图像中匹配成功的各特征点的像素位置的横坐标偏移量、纵坐标偏移量,以各横坐标偏移量、纵坐标偏移量所构成的矩阵为输出,构建特征点对应关系计算模块;S5.以单应矩阵计算模块输出的各关键帧图像及其所对应的参考帧图像之间的旋转矩阵、平移向量为输入,基于三角化算法,以各三维空间点映射在各关键帧图像归一化平面中的位置、深度,以及该三维空间点映射在各参考帧图像归一化平面中的位置、深度为输出,构建三角化计算模块;S6.基于各三维空间点所对应的预设场景的高度值,以高度值小于预设上限值、且高度值大于预设下限值的三维空间点映射在各关键帧图像归一化平面中的位置、各三维空间点映射在各参考帧图像归一化平面中的位置为输入,基于对各三维空间点映射在各关键帧图像归一化平面中的位置到各关键帧图像光心的向量、与各三维空间点映射在各参考帧图像归一化平面中的位置到各参考帧图像光心的向量的夹角计算,以高于预设下限阈值的夹角为输出,构建三维空间点夹角计算模块;S7.以三维空间点夹角计算模块输出的各夹角所对应的三维空间点映射在各关键帧图像归一化平面中的位置、深度为输入,以相机坐标系下各匹配图像块对应的半稠密点云地图为输出,构建相机坐标系半稠密点云地图模块;S8.以相机坐标系下各匹配图像块对应的半稠密点云地图为输入,基于关键帧图像判别模块输出的各关键帧图像分别所对应的变换矩阵,分别计算世界坐标系下的半稠密点云地图,将各世界坐标系下的半稠密点云地图进行拼接,构成全局地图,以全局地图为输出,构建全局地图模块;S9.基于关键帧图像判别模块、匹配图像块提取模块、单应矩阵计算模块、特征点对应关系计算模块、三角化计算模块、三维空间点夹角计算模块、相机坐标系半稠密点云地图模块、全局地图模块,以单目相机所获取的、以时序排列的图像序列为输入,以全局地图为输出,构建半稠密点云地图模型。
全文数据:
权利要求:
百度查询: 南京邮电大学 一种基于单目相机的半稠密点云地图构建方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。