[发明专利]一种已知场景中运动目标的自定位方法

说明书

本发明涉及一种已知场景中运动目标的自定位方法，将相机采集的图像样本与场景的全景图像配准，依据图像样本与全景图像的配准关系和全景图像与场景的三维模型的配准关系，估计图像样本的相机姿态，以相机姿态作为相应图像样本的标记进行回归训练，获得从场景图像到相机姿态的回归模型，以设置在运动目标上的相机实时采集场景图像，以从场景图像到相机姿态的回归模型进行相机姿态估计，进而实现运动目标的定位。本发明基于监督式深度学习方法训练获得的从图像到相机姿态的回归模型，实现已知场景中运动目标的自定位，以部分地克服传统视觉定位方法存在的实时性差、处理低纹理图像稳定性不足等问题。

技术领域

本发明涉及一种已知场景中运动目标的自定位方法。

背景技术

近年来，在诸如大型广场安防、机场场面活动引导与控制、港口生产作业区运行状态监控、工业园区管控等已知场景(指事先可获得其图像、三维模型等信息的场景)中,增强现实(Augmented Reality,AR)技术得到了越来越多的应用。实现AR需要把虚拟对象置于真实环境或真实环境的实时视频中，在真实环境或真实视频上进行信息扩增，这就对场景中运动目标的定位(包括位置和姿态)的精度提出了较高的要求。另外，在上述场景中自动驾驶展现了比一般开放场景更令人期待的应用前景，自动驾驶中车辆需要对自身进行高精度的定位。

目前主流的室外定位技术包括：GPS、惯性传感器(IMU)、光学雷达(LiDAR)、视觉定位等。其中，GPS最为常用，但在复杂动态环境中存在多路径反射问题，容易导致定位精度不足，加上更新频率低(10Hz)，在目标快速运动时难以实时精准定位；IMU通过测量加速度和旋转运动实现定位，更新频率高(1KHz)，可提供实时定位，但误差会随时间累积，主要适于短时定位；LiDAR定位精度高，但只适用于测量车辆周围的目标的相对位置,且成本较高。

视觉定位是通过视频图像估计相机的姿态变化参数(包括旋转参数和位移参数)，从而达到定位相机搭载主体的目的。主要方法包括传统方法和深度学习方法两大类。

传统方法^[1]：按照是否需要提取图像特征点，可分为特征点法和直接法，前者更为主流，该方法利用一组3D或2D特征点及其匹配关系估计相机姿态，但由于依赖于图像特征点的提取与匹配，计算较为耗时，影响了定位的实时性，另外对于低纹理图像，通常难以提取足够多的特征点用于估计相机姿态。

深度学习方法^[2-3]：近年来随着深度学习技术在计算机视觉诸多领域取得巨大飞跃，深度学习与视觉定位的结合正在成为一种新的趋势，主要体现在：利用深度学习特征改善图像匹配的鲁棒性；实现端到端的定位，以期提升传统方法的性能与速度。该类方法可分为监督式^[2]与非监督式^[3]，前者精度总体优于后者，但需要预先标记大量图像样本，一般是借助传统立体视觉方法获取三维信息，进而估计相机姿态作为样本标记。但是，估计的三维信息本身可能存在误差，估计相机姿态时只利用了相邻时刻的图像变化，得到的实际是相对运动姿态，在向绝对位置与姿态转化过程中存在误差累积。

发明内容

为克服现有技术的上述缺陷，本发明提供了已知场景中运动目标的自定位方法，其基于监督式深度学习方法训练获得的从图像到相机姿态的回归模型，实现已知场景中运动目标的自定位，以部分地克服传统视觉定位方法存在的实时性差、处理低纹理图像稳定性不足等问题。

本发明的技术方案是：一种已知场景中运动目标的自定位方法，以设置在运动目标上的相机实时采集场景图像，以实时采集的场景图像作为相机姿态估计的输入，以从场景图像到相机姿态的回归模型进行相机姿态(包括位置和旋转姿态，或称姿态角)估计，将获得的相机姿态(相机姿态参数)转换为相机或运动目标的位置信息，由此实现运动目标的定位，采用下列方式构建所述的回归模型：使用相机采集若干图像样本(场景图像样本，或简称样本)，将图像样本与场景的全景图像配准，依据图像样本与全景图像的配准关系和全景图像与场景的三维模型的配准关系，估计图像样本的相机姿态，以相机姿态作为相应图像样本的标记进行回归训练，获得从场景图像到相机姿态的回归模型。