【技术实现步骤摘要】
本申请涉及导航定位，尤其涉及视觉里程计尺度估计方法、装置、电子设备及存储介质。
技术介绍
1、随着智能化和无人化技术的快速发展，对导航定位技术的精度和稳定性要求日益提高。车载和机载设备作为智能化系统的代表，它们在自动驾驶、精准农业、物流配送、空中监控等多个领域中扮演着重要角色。这些应用场景对导航定位技术的依赖性极高，不仅要求在开阔天空下实现精准定位，更要求在如城市峡谷、隧道、室内等复杂环境中保持高可靠性和高精度。
2、传统解决办法都是使用gnss/imu组合定位的方式进行组合定位，这种方法在长失锁情况下退化成纯惯性导航，导致定位误差较大。现有解决办法就是在此组合导航的基础上增加视觉信息，但是由于传统视觉里程计（vo）所解算的位置没有尺度信息导致定位信息无法真实反映运动位置。采用将视觉里程计系统获得到图像与卫星地图进行特征匹配来计算飞机高度，再通过飞行器高度与平均场景深度计算视觉里程计到真实世界之间的尺度变换，实现视觉里程计在飞行器视觉定位中的应用。但是目前主流的方式是采用视觉惯性里程计（vio）解决gnss拒止场景下的位置发散问题。视觉惯性里程计的基本原理是首先针对帧间变化分别使用imu和vo进行位置解算，然后将其解算的位置进行对齐和联合初始化，利用imu预积分来给相机赋上尺度信息，最后再通过将imu预积分残差方程、视觉重投影误差方程和边缘化构造优化方程进行图优化求解，才能得到具有尺度信息的真实位置。
3、但是这种方法存在三个缺陷：1、尺度估计的精度比较依赖联合初始化的效果，如果初始状态车辆/无人机运动给
4、因此，现有技术在进行导航定位时，存在vio计算量大，且位置输出精度不稳定的情况。
技术实现思路
1、鉴于上述现有技术的不足之处，本申请提供了视觉里程计尺度估计方法、装置、电子设备及存储介质，应用于导航定位
，通过结合图像特征提取、位姿估计、平面构建、地面选取和高程映射等技术，实现了视觉里程计的尺度估计。与传统方法相比，提高了尺度估计的准确性和稳定性。
2、第一方面，本申请提供一种视觉里程计尺度估计方法，所述方法包括步骤：
3、s1：获取原始图像信息，识别所述原始图像信息中的特征点，并在连续帧中对所述特征点进行特征匹配；
4、s2：根据匹配后的特征点构建本质矩阵或基础矩阵，并计算所述特征点的归一化位置和姿态变化量，得到所述特征点的帧间位姿；
5、s3：根据所述帧间位姿还原所述特征点的三维坐标，并根据所述三维坐标进行平面构建与地面选取；
6、s4：获取视觉相机所在平面与真实地面之间的真实高度，以及构建的所述平面与选取的所述地面之间的地面高程，根据所述真实高度与所述地面高程的比值得到视觉里程计尺度。
7、本申请提供的一种视觉里程计尺度估计方法，通过获取原始图像信息，识别特征点并在连续帧中进行匹配，追踪特征点在连续帧中的变化，为后续的位姿估计提供基础数据；利用匹配后的特征点构建本质矩阵或基础矩阵，计算特征点的归一化位置和姿态变化量，得到帧间位姿，为三维坐标还原提供必要信息；三维坐标还原和平面构建：根据帧间位姿还原特征点的三维坐标，并进行平面构建与地面选取，为尺度估计提供空间参考；通过比较视觉相机所在平面与真实地面之间的真实高度，以及构建的平面与选取的地面之间的地面高程计算出视觉里程计尺度。该方法通过结合图像特征提取、位姿估计、平面构建、地面选取和高程映射等技术，实现了视觉里程计的尺度估计。与传统方法相比，不依赖于imu数据，就可以准确恢复视觉尺度信息，避免了imu累积误差的影响，同时减少了计算量。通过利用地面信息进行尺度估计，提高了尺度估计的准确性和稳定性。这种方法在复杂环境下能够提供更可靠的视觉里程计尺度信息，从而提高导航定位的精度和稳定性。
8、进一步的，步骤s1包括：
9、s11：获取视觉相机采集的原始图像信息，并使用shi tomasi角点检测算法识别所述原始图像信息中的所述特征点；
10、s12：采用光流跟踪算法在连续的帧之间跟踪所述特征点，以进行特征点匹配。
11、本申请提供的一种视觉里程计尺度估计方法，通过使用shi tomasi角点检测算法能够有效地在图像中识别出稳定的特征点，为后续的特征匹配提供可靠的基础。采用光流跟踪算法能够在连续帧之间高效地跟踪特征点的运动，从而实现特征点的匹配。这两个技术特征相互配合，共同解决了特征点的识别和匹配问题。
12、进一步的，步骤s12之后包括：
13、s13：比较所述特征点在连续的帧中的位置变化，以计算出视差；
14、s14：根据所述视差提取关键帧。
15、本申请提供的一种视觉里程计尺度估计方法，通过计算连续帧之间的视差提取关键帧，可以提高对运动和环境的估计精度，优化尺度估计的过程，为后续的尺度估计和位姿计算提供更可靠的输入，从而提高整个系统的性能。
16、进一步的，步骤s2包括：
17、s21：当场景中的所述特征点不共面时，获取至少8对匹配的特征点，构建所述基础矩阵；
18、s22：当场景中的所述特征点共面时，获取视觉相机的内参矩阵，构建所述本质矩阵；
19、s23：根据所述基础矩阵或所述本质矩阵，计算所述特征点的归一化位置和姿态变化量，得到所述特征点的帧间位姿。
20、本申请提供的一种视觉里程计尺度估计方法，通过判断特征点是否共面，然后选择合适的矩阵构建方式。当特征点不共面时，使用至少8对匹配的特征点构建基础矩阵。基础矩阵能够描述两幅图像之间的对称几何关系，适用于一般场景。当特征点共面时，利用视觉相机的内参矩阵构建本质矩阵。本质矩阵包含了相机运动的旋转和平移信息，适用于平面场景。通过这种方法，可以根据场景特点选择最合适的矩阵构建方式，从而更准确地计算特征点的帧间位姿，为后续的三维坐标还原和平面构建提供可靠的基础。这种灵活的处理方式提高了视觉里程计在不同场景下的适应性和精度。
21、进一步的，步骤s3包括：
22、s31：根据所述帧间位姿，采用三角化法还原所述特征点的三维坐标；
23、s32：获取当前时刻视觉相机所处位置的三维坐标，以及前一个时刻视觉相机所处位置的三维坐标，进行平面构建；
24、s33：计算所述特征点的三维坐标中的归一化高度，根据所述归一化高度遍历所有所述特征点，并进行聚类，选取聚类值最多的所述特征点所在平面为所述地面。
25、进一步的，步骤s33包括：
26、s331：任意选取所述特征本文档来自技高网...
【技术保护点】
1.一种视觉里程计尺度估计方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的一种视觉里程计尺度估计方法，其特征在于，步骤S1包括：
3.根据权利要求2所述的一种视觉里程计尺度估计方法，其特征在于，步骤S12之后包括：
4.根据权利要求1所述的一种视觉里程计尺度估计方法，其特征在于，步骤S2包括：
5.根据权利要求1所述的一种视觉里程计尺度估计方法，其特征在于，步骤S3包括：
6.根据权利要求5所述的一种视觉里程计尺度估计方法，其特征在于，步骤S33包括：
7.根据权利要求6所述的一种视觉里程计尺度估计方法，其特征在于， 步骤S4包括：
8.一种视觉里程计尺度估计装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-7任一所述方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权
...【技术特征摘要】
1.一种视觉里程计尺度估计方法，其特征在于，所述方法包括步骤：
2.根据权利要求1所述的一种视觉里程计尺度估计方法，其特征在于，步骤s1包括：
3.根据权利要求2所述的一种视觉里程计尺度估计方法，其特征在于，步骤s12之后包括：
4.根据权利要求1所述的一种视觉里程计尺度估计方法，其特征在于，步骤s2包括：
5.根据权利要求1所述的一种视觉里程计尺度估计方法，其特征在于，步骤s3包括：
6.根据权利要求5所述的一种视觉里程计尺度估计方法，其特征在于，...
【专利技术属性】
技术研发人员：肖天中，汤文靖，李军，余平，丁可，
申请(专利权)人：重庆九洲星熠导航设备有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。