[发明专利]一种针对车载相机的外参在线估计方法

权利要求书

1.一种针对车载相机的外参在线估计方法，其特征在于，包括以下步骤：

1)基于车辆的速度信号、车载相机的尺度化平移与车载相机的外参构造视觉动态方程，再对视觉动态方程进行线性参数化整理，获得线性参数化后的视觉动态方程；

2)车载相机在初始时刻拍摄包含任一平面静态参照物的图像并记为参考帧图像，同时预设定常外参向量的初始估计值；

3)车载相机以预设时间间隔拍摄当前平面静态参照物的图像并作为当前时刻的实时图像，累加上限系数加1；根据参考帧图像和实时图像计算当前时刻的尺度化平移向量；

4)基于线性参数化后的视觉动态方程，以预设时间间隔对当前车辆运动过程中的速度信号和当前时刻的尺度化平移向量进行运算并分段积分，获得速度积分矩阵和角速度平移耦合积分矩阵，接着根据速度积分矩阵和角速度平移耦合积分矩阵构造并行学习观测器，预设并行学习观测器中的增益矩阵；

5)根据当前的速度积分矩阵和角速度平移耦合积分矩阵，利用并行学习观测器更新定常外参向量的估计值，获得更新后的定常外参向量；

6)根据当前累加上限系数对速度积分矩阵进行累加，获得累积矩阵；当累积矩阵的最小奇异值小于预设阈值时，则重复步骤3)-5)，直至累积矩阵的最小奇异值大于或等于预设阈值，将当前累积矩阵作为并行学习观测器的增益矩阵，获得中间阶段的定常外参向量和并行学习观测器；

7)根据中间阶段的定常外参向量和并行学习观测器，重复步骤5)，直至定常外参向量收敛，获得最终的定常外参向量，根据最终的定常外参向量计算车载相机最终的估计外参并作为车载相机的外参。

2.根据权利要求1所述的一种针对车载相机的外参在线估计方法，其特征在于，所述线性参数化后的视觉动态方程的公式如下：

其中，表示t时刻的尺度化平移向量的时间导数，η表示定常外参向量，A(t)表示t时刻的车辆速度矩阵，由t时刻的车辆线速度v(t)和角速度ω(t)构成，h(t)表示t时刻的角速度平移耦合向量，由t时刻的车辆角速度ω(t)与尺度化平移向量构成。

3.根据权利要求1所述的一种针对车载相机的外参在线估计方法，其特征在于，所述步骤3)中根据参考帧图像和实时图像计算当前时刻的尺度化平移向量，具体为：

首先确定当前平面静态参照物的多个特征点，将参考帧图像和实时图像中的各个特征点进行匹配，获得对应特征点匹配对；接着基于多个特征点匹配对的坐标信息，利用单应性约束关系进行单应矩阵的计算，获得单应矩阵H，再通过对单应矩阵的分解，获得车载相机在拍摄两帧图像时的位姿之间的相对平移向量，根据相对平移向量计算对应的尺度化平移向量，尺度化平移向量的公式如下：

其中，表示t时刻的尺度化平移向量，t^*(t)表示t时刻的相对平移向量，d^*是初始时刻的车载相机坐标系原点到当前平面静态参照物的距离。

4.根据权利要求1所述的一种针对车载相机的外参在线估计方法，其特征在于，所述步骤4)具体为：

4.1)当前车辆运动过程中的速度信号包括车辆线速度和车辆角速度，基于线性参数化后的视觉动态方程，以预设时间间隔对车辆线速度和车辆角速度进行分段积分，获得速度积分矩阵，以预设时间间隔对车辆角速度和尺度化平移向量进行分段积分，获得角速度平移耦合积分矩阵，计算公式如下：

其中，t_j＝jΔt，j＝1，2，3...m，t_j表示积分时间点，j表示时间间隔序号，m表示当前累加上限系数，Δt表示预设时间间隔；I_Aj(t)表示t时刻的速度积分矩阵，I_hj(t)表示t时刻的角速度平移耦合积分矩阵，A(τ)表示τ时刻的车辆速度矩阵，h(τ)表示τ时刻的角速度平移耦合向量；

4.2)根据速度积分矩阵和角速度平移耦合积分矩阵构造并行学习观测器，并行学习观测器的公式如下：

K(t)＝K₀

其中，表示t时刻的定常外参向量估计值的时间微分，K(t)表示增益矩阵，表示t时刻的对定常外参向量η的估计值，表示t时刻的尺度化平移向量，表示初始时刻的尺度化平移向量，K₀表示预设的正定矩阵，T表示矩阵或向量的转置。