[发明专利]一种基于光流跟踪和双几何模型的初始位姿估计方法

说明书

本发明公开一种基于光流跟踪和双几何模型的初始位姿估计方法，包括以下步骤：通过检测图像的FAST关键点，选取第一帧图像；使用光流跟踪法对第一帧图像的FAST关键点进行匹配，并对匹配的FAST关键点进行视觉差检测，归一化所有关键点；创建两个线程，并行地计算单应矩阵和基础矩阵模型；根据单应矩阵和基础矩阵模型得分选择合适的模型进行求解。该发明只对第一帧图像帧检测FAST关键点，然后使用光流跟踪法进行关键点匹配，可以实现快速的数据关联；同时估计单应矩阵模型和基础矩阵模型，并通过打分机制选择合适的模型求解初始位姿，可以在平面和非平面场景中鲁棒地进行单目视觉里程计的初始化，并且估计的初始姿态的误差较小。

【技术领域】

本发明涉及信息技术领域，尤其涉及一种基于光流跟踪和双几何模型的初始位姿估计方法。

【背景技术】

在单目视觉里程计的开始阶段，只有图像间的信息，没有三维空间信息，此时需要进行初始化，估计初始位姿和构建初始地图。现有的初始位姿估计方法主要有光流跟踪+单应矩阵估计方法和ORB+单应矩阵/基础矩阵估计方法。光流跟踪+单应矩阵估计方法通过光流跟踪FAST关键点，进行数据关联，使用单应矩阵模型来求解初始位姿；ORB+单应矩阵/基础矩阵估计方法通过ORB特征的提取与匹配进行数据关联，然后并行计算单应矩阵和基础矩阵，选择合适的模型来求解初始位姿。

但是，上述两种方法都存在一定的缺陷。光流跟踪+单应矩阵初始位姿估计方法存在一个强假设：图像特征点处于同一平面上，大多数情况下的场景并不满足该假设，特征点并不在同一平面上，因此在这种情况下求解的初始位姿误差较大，容易导致单目视觉里程计初始化失败，鲁棒性较差。ORB+单应矩阵/基础矩阵初始位姿估计方法，需要对每帧图像提取特征和计算特征描述子，计算量较大；另外没有在选择第二帧图像时先对特征点的像素视差进行检查，在像机平移较小的情况下，完成模型的求解后，选择最优初始位姿时容易出现不存在最优初始位姿，而导致前面的模型求解无效。

【发明内容】

鉴于以上内容，本发明旨在提供一种基于光流跟踪和双几何模型的初始位姿估计方法基于光流跟踪和双几何模型的初始位姿估计方法，采用光流跟踪和双几何模型对初始位姿进行估计，完成单目视觉里程计的初始化，具有较好的鲁棒性、较高的模型平均得分以及较小的姿态估计误差。

为达到上述目的，本发明所采用的技术方案是：一种基于光流跟踪和双几何模型的初始位姿估计方法，包括以下步骤：

S10，通过检测图像的FAST关键点，选取第一帧图像；

S20，使用光流跟踪法对第一帧图像的FAST关键点进行匹配，并对匹配的FAST关键点进行视觉差检测，归一化所有关键点；

S30，创建两个线程，并行地计算单应矩阵和基础矩阵模型；

其中，计算单应矩阵和基础矩阵时，采用RANSC算法迭代地进行以下子步骤：

S31，随机选取求解模型用的8对匹配关键点；

S32，分别求解单应矩阵和基础矩阵；

S33，计算匹配关键点在此次迭代求解的单应矩阵和基础矩阵上的对称转换误差；

S34，将满足对称转换误差阈值的关键点作为内点，利用内点的对称转换误差计算此次迭代求解的模型的得分；

S35，更新模型最高得分SH、SF，并保存最高得分所对应的模型和内点；

其中模型得分的计算公式如下：

在上述计算公式中：

S_M为模型M的得分；