[发明专利]一种基于三维点云对齐的主动相机重定位方法

说明书

本发明公开了一种基于三维点云对齐的主动相机重定位方法，所述方法通过三个并行线程合作完成，在初始化阶段，利用已有视觉SLAM方法实现场景三维重建，并获取平台与相机之间的相对位姿关系，以及三维重建的真实尺度；在此之后，构建三个并行线程，1)视觉三维重建算法(VSE)线程：获取当前场景的三维点云和当前相机的位姿；2)点云对齐线程：完成参考点云和当前点云的对齐，实时获取两点云之间的尺度变换和坐标变换；3)相机调整线程：计算平台调整量并执行；本发明有效减少了现有重定位方法对历次观测场景光照一致性的依赖(尤其是室外环境)，同时有效减少了重定位时间，因此本方法能够成功地应用于真实场景中的微小变化检测任务。

技术领域

本发明属于人工智能、计算机视觉领域，涉及主动视觉技术，具体为一种基于三维点云对齐的主动相机重定位方法。

背景技术

主动式相机重定位，旨在物理真实地将相机六自由度位姿恢复到与拍摄参考图像时一致，在环境监测，历史文化遗产预防性保护，微小变化检测等领域发挥着重要作用，是主动视觉技术的一个重要应用。主动式相机重定位过程包括相机的相对位姿估计和相机的动态调整，相机的调整由机器人平台完成。

目前最先进的主动式相机重定位算法在文化遗产微小变化检测任务中取得了巨大成功。但需要注意的是，这些监测任务是在稳定和可控的环境条件下进行的，在这种条件下，所采用图像的特征匹配结果能够支持准确的相机位姿估计。

然而，当历次观测的光照条件(方向和强度)不同时，监测结果差强人意。光照的显著差异会改变场景(尤其是普遍存在的三维结构场景)的表观，进而使涉及到姿态估计的图像中的特征点描述子会发生变化，导致相机位姿估计失败。此外，如果观测场景中的背景(非监测对象区域)变化较大，例如，被监测古建筑附近的植被在不同季节可能发生剧烈变化(甚至结构变化)，将显著增加图像中误匹配特征点的数量，严重影响重定位结果的准确性。实际任务中常见的上述两种情况，会严重损害主动相机重定位的精度，导致实际监测结果不可靠，从而无法支持户外不可控环境条件下的相机重定位作业。

发明内容

本发提供了一种基于三维点云对齐的主动相机重定位方法，利用场景的三维点云对齐来指导相机的移动，有效减少了现有重定位方法对历次观测场景光照一致性的依赖，本方法还通过参考场景和当前场景之间的尺度关系，避免了以往主动相机重定位的二分趋近的移动相机的方法，从而大幅加快了重定位的速度，能够支持可靠高效的户外任务作业。

本发明是通过以下技术方案实现的：

步骤一，初始化：获取平台与相机之间的相对位姿关系，以及SLAM三维重建的真实尺度。

步骤二，开启VSE线程，实时获取当前场景的具有真实尺度的三维点云和当前相机的位姿。

步骤三，开启点云对齐线程，进行参考点云和当前点云的对齐，实时获取两点云之间的尺度变换和位姿关系。

步骤四，开启相机调整线程，在VSE线程和点云对齐线程辅助下计算移动平台调整量并执行。判断重定位是否结束，若重定位完成则终止，否则重复步骤四。

进一步，初始化阶段获取平台与相机之间的相对位姿关系，以及SLAM三维重建的真实尺度的具体方法为：

(1)移动承载相机的平台，得到平台的旋转矩阵R_B和平移向量t_B；其中：下标A代表相机，B代表平台；

(2)由视觉三维重建算法获取相机的旋转矩阵R_A以及没有真实尺度信息的平移向量t_VSE；

(3)根据经典的“手-眼”标定算法，计算相机与平台之间的旋转矩阵R_X。