一种相机位姿确定方法、计算机设备和程序产品与流程

本公开涉及计算机，具体而言，涉及一种相机位姿确定方法、计算机设备和程序产品。

背景技术：

1、即时定位与地图构建（simultaneous localization and mapping，简称slam）技术通过视觉、激光等传感器获取周围环境信息，再利用周围环境信息进行定位或建图。由于相机和雷达点云的配准和联合定位，可以在较低成本的基础上提升车辆在复杂场景下的定位精度，且定位效果不易受室内外环境的影响，所以当前大多通过设计融合slam算法，结合视觉、激光等多种传感器进行环境感知和定位，以提高定位和建图的准确性和鲁棒性。

2、在融合slam算法中，计算出的相机位姿的准确性将影响着定位和建图效果，所以如何确定相机位姿，成为了融合slam算法中一个值得关注的技术问题。

技术实现思路

1、本公开实施例至少提供一种相机位姿确定方法、计算机设备和程序产品。

2、第一方面，本公开实施例提供了一种相机位姿确定方法，包括：

3、获取车辆采集的点云数据和图像，并从所述点云数据中提取出各三维线特征，以及从所述图像中提取出各二维线特征；

4、对所述各三维线特征和所述各二维线特征进行线特征匹配，确定多个线特征匹配对，其中每个线特征匹配对包括一个所述二维线特征和与所述二维线特征匹配度最高的目标三维线特征；

5、以每个线特征匹配对的投影误差最小为目标，对所述相机的位姿进行优化，得到所述相机对应的目标位姿。

6、该实施方式，利用从点云数据中提取出的三维线特征和从图像中提取出的二维线特征进行线特征匹配，可以筛选出位置上最为匹配的各对线特征匹配对。然后，再以每个线特征匹配对的投影误差最小为目标，可以实现通过构建重投影约束实现对相机位姿的进一步优化，从而提高得到的相机位姿的准确性和合理性，进而解决复杂结构化场景下的视觉-激光雷达系统的建图和定位精度问题。

7、第二方面，本公开可选实现方式还提供一种计算机设备，处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

8、第三方面，本公开可选实现方式还提供一种计算机可读计算机程序产品，该计算机程序产品被运行时执行上述第一方面，或第一方面中任一种可能的实施方式中的步骤。

9、关于上述计算机设备、及计算机程序产品的效果描述参见上述相机位姿确定方法的说明，这里不再赘述。

10、为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种相机位姿确定方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对所述各三维线特征和所述各二维线特征进行线特征匹配，确定多个线特征匹配对，包括：

3.根据权利要求2所述的方法，其特征在于，所述重叠比例的匹配得分根据以下步骤确定：

4.根据权利要求2所述的方法，其特征在于，所述内段距离的匹配得分根据以下步骤确定：

5.根据权利要求2所述的方法，其特征在于，所述根据每项匹配得分，确定多个线特征匹配对，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据每项匹配得分，从各三维线特征对应的所述目标投影线特征中，筛选出与所述二维线特征匹配的多个候选投影线特征，包括：

7.根据权利要求1所述的方法，其特征在于，所述从所述点云数据中提取出各三维线特征，包括：

8.根据权利要求7所述的方法，其特征在于，所述根据所述第二点云点的第三坐标，从所述点云数据中提取出各三维线特征，包括：

9.根据权利要求7所述的方法，其特征在于，所述根据所述点云数据中各第一点云点在世界坐标系下的第一坐标，确定所述点云数据对应的各个三维平面及所述三维平面关联的各个第二点云点，包括：

10.根据权利要求9所述的方法，其特征在于，根据所述第一点云点的法向量、曲率、邻近点云集合和点云尺度信息，确定所述点云数据对应的各个三维平面及关联的各个第二点云点，包括：

11.根据权利要求2所述的方法，其特征在于，所述对所述各三维线特征和所述各二维线特征进行线特征匹配，确定多个线特征匹配对，包括：

12.根据权利要求11所述的方法，其特征在于，所述利用所述相机的当前预测位姿，对所述三维线特征进行长度更新，得到更新后的三维线特征，包括：

13.根据权利要求11所述的方法，其特征在于，所述当前预测位姿根据以下步骤确定：

14.根据权利要求11所述的方法，其特征在于，所述当前预测位姿还根据以下步骤确定：

15.根据权利要求11所述的方法，其特征在于，以每个线特征匹配对中目标三维线特征对应的目标投影线特征的目标端点与二维线特征之间距离的距离和最小为目标，对所述相机的当前预测位姿进行优化，得到所述相机对应的目标位姿，包括：

16.根据权利要求15所述的方法，其特征在于，所述以每个线特征匹配对中目标三维线特征对应的目标投影线特征的目标端点与二维线特征之间距离的距离和最小为目标，对所述相机的当前预测位姿进行优化，得到所述相机对应的目标位姿，包括：

17.根据权利要求15所述的方法，其特征在于，所述以每个线特征匹配对中目标三维线特征对应的目标投影线特征的目标端点与二维线特征之间距离的距离和最小为目标，对所述相机的当前预测位姿进行优化，得到所述相机对应的目标位姿，还包括：

18.一种计算机设备，其特征在于，包括：处理器、存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述处理器用于执行所述存储器中存储的机器可读指令，所述机器可读指令被所述处理器执行时，所述处理器执行如权利要求1至17任意一项所述的相机位姿确定方法的步骤。

19.一种计算机程序产品，其特征在于，所述计算机程序产品被计算机设备运行时，所述计算机设备执行如权利要求1至17任意一项所述的相机位姿确定方法的步骤。

技术总结本公开提供了一种相机位姿确定方法、计算机设备和程序产品，其中，该方法包括：获取车辆采集的点云数据和图像，并从所述点云数据中提取出各三维线特征，以及从所述图像中提取出各二维线特征；对所述各三维线特征和所述各二维线特征进行线特征匹配，确定多个线特征匹配对，其中每个线特征匹配对包括一个所述二维线特征和与所述二维线特征匹配度最高的目标三维线特征；以每个线特征匹配对的投影误差最小为目标，对所述相机的位姿进行优化，得到所述相机对应的目标位姿。技术研发人员：孟焱迪,刘志励受保护的技术使用者：北京集度科技有限公司技术研发日：技术公布日：2024/11/18