[发明专利]一种光场相机相对位姿估计方法在审
申请号: | 202010373721.2 | 申请日: | 2020-05-06 |
公开(公告)号: | CN111739068A | 公开(公告)日: | 2020-10-02 |
发明(设计)人: | 杨付正;张赛萍;金冬阳;霍啸;宋佳润 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06T7/33 | 分类号: | G06T7/33;G06T7/55;G06T7/73;G06T17/00;G06K9/62 |
代理公司: | 西安嘉思特知识产权代理事务所(普通合伙) 61230 | 代理人: | 李园园 |
地址: | 710000 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 相机 相对 估计 方法 | ||
1.一种光场相机相对位姿估计方法,其特征在于,所述方法包括:
S1:获得同一场景在第一光场下的第一原始图像和在第二光场下的第二原始图像;
S2:获取所述第一原始图像任一角度的子孔径图像的第一特征点坐标数据和所述第二原始图像同一角度的子孔径图像的第二特征点坐标数据;
S3:根据所述第一特征点数据和第一光场深度参数获得所述第一原始图像的第一光场点数据,根据所述第二特征点数据和第二光场深度参数获得所述第二原始图像的第二光场点数据;
S4:建立所述第一光场点数据和所述第二光场点数据中对应光场点的线性约束公式;
S5:根据所述线性约束公式获取光场相机相对位姿。
2.根据权利要求1所述的光场相机相对位姿估计方法,其特征在于,所述S2包括:
S21:在所述第一原始图像的任一角度的子孔径图像中提取第一特征点分布,其中,第一特征点为:[xi,yi]T,i=1,2,...,n,n表示特征点数目;
S22:在所述第二原始图像的同一角度的子孔径图像中提取第二特征点分布,其中,第二特征点为:[x'i,y'i]T,i=1,2,...,n,n表示特征点数目。
3.根据权利要求2所述的光场相机相对位姿估计方法,其特征在于,所述S3包括:
S31:利用深度估计方法,获得所述第一特征点坐标数据中各特征点对应的第一光场深度参数;
S32:根据所述第一特征点坐标数据和所述第一光场深度参数获取所述第一原始图像的第一光场点数据:
[xi,yi,λi]T,
其中,λi为所述第一特征点坐标数据中第i个特征点对应的场景点的深度参数;
S33:利用深度估计方法,获得所述第二特征点坐标数据中各特征点对应的第二光场深度参数;
S34:根据所述第二特征点坐标数据和所述第二光场深度参数获取所述第二原始图像的第二光场点数据:
[x'i,y'i,λ'i]T,
其中,λ'i为所述第二特征点分布中第i个特征点对应的场景点的深度参数。
4.根据权利要求3所述的光场相机相对位姿估计方法,其特征在于,所述深度参数包括深度和视差。
5.根据权利要求2所述的光场相机相对位姿估计方法,其特征在于,所述S4包括:
S41:获取所述第一光场点数据和所述第二光场点数据中对应光场点的匹配对;
S42:建立每个匹配对的齐次坐标间的线性约束公式:
其中,Tm表示光场相机相对位姿变换矩阵,W表示由相机内部参数组成的已知矩阵,l表示所述匹配对的数目。
6.根据权利要求5所述的光场相机相对位姿估计方法,其特征在于,所述S5包括:
S51:根据所述线性约束公式求解光场相机相对位姿的初始解;
S52:根据所述初始解,利用非线性优化方法获得光场相机相对位姿的最优解。
7.根据权利要求6所述的光场相机相对位姿估计方法,其特征在于,所述S51包括:
S511:分离所述线性约束公式中所有未知变量和已知系数,简化为一般线性方程组的基本形式,其中,所述未知变量包括与旋转有关的变量和与平移有关的变量;
S512:根据所述线性方程求解所述与旋转有关的变量并投影到三维特殊正交群中,得到旋转矩阵;
S513:根据所述旋转矩阵求解所述与平移相关的变量,获得所述未知参数;
S514:根据所述未知参数获得光场相机相对位姿变换矩阵Tm的初始解Tm_est。
8.根据权利要求6所述的光场相机相对位姿估计方法,其特征在于,所述S52包括:
S521:将所述相对位姿的初始解Tm_est代入所述线性约束公式,获得所述第二光场点数据中第i个光场点坐标的估计值:
其中,表示所述第二光场点数据中第i个光场点坐标的估计值;
S522:获取非线性优化的目标代价函数:
其中,表示所述第一光场点数据中所有光场点和其估计值之间的距离之和;
S523:根据所述估计值进行多次迭代,以获得所述光场相机相对位姿的最优解,其中,迭代公式为:
其中,exp()表示指数映射,ln()表示对数映射,ξj表示第j次迭代时的优化变量,表示第j次迭代时的相对位姿变换矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010373721.2/1.html,转载请声明来源钻瓜专利网。