申请/专利权人：杭州长望智创科技有限公司

申请日：2023-12-13

公开（公告）日：2024-04-12

公开（公告）号：CN117876224A

主分类号：G06T5/00

分类号：G06T5/00;G06V10/80;G06T7/11;G06T7/136;G06V10/40;G06V10/75

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了结合特征点和直接法的视觉里程计信息融合方法及设备，按如下步骤进行：S1、构建高斯金字塔，对于原始图像层和非原始图像层，采用不同的方法提像素取梯度点；S2、对提取到的像素梯度点进行ORB特征检测，建立特征点与像素梯度点的一一对应关系；S3、通过特征点法得到特征点位置姿态信息；如果检测到的特征点数量少于阀值，则执行步骤S4；S4、将丢失的前一帧的特征点的位置姿态信息赋值给像素梯度点，切换至直接法；当检测到的特征点数量多于阀值时，将像素梯度点和特征点的位置姿态信息对应转换，切换算法继续执行步骤S3。本发明实现两种算法前端的紧耦合，使图像不再有严重的丢帧而且降低对灰度不变假设的依赖，有较好的稳定性。

主权项：1.结合特征点和直接法的视觉里程计信息融合方法，其特征在于，按如下步骤进行：S1、对每一帧图像提取像素梯度点：构建高斯金字塔，并将图像分成32*32大小的网格，得到每个32*32的网格中位数的梯度值作为阈值th，并得到阈值矩阵；对于原始图像层，采用四级网格策略，通过由内到外比较每个点的梯度值与阈值的大小，确定提取到的梯度点；对于非原始图像层，在每个4*4的网格中逐个像素地计算梯度值sqrtdx2+dy2；对网格中的所有大于阈值th的像素依次比较gradX、gradY、gradX-gradY、gradX+gradY的大小，选择该网格中四类条件中最大的四个点做为提取到的梯度点；S2、特征点的检测和匹配：对所有提取到的像素梯度点进行ORB特征检测，建立特征点与像素梯度点的一一对应关系；S3、特征点法获取图像位置姿态信息：通过光流跟踪算法，对特征点进行跟踪匹配，通过匹配的特征点求取本质矩阵，再通过矩阵分解，得到特征点位置姿态信息；如果特征点数量少于阀值，则执行步骤S4；S4、算法切换：通过S2中,特征点与像素梯度点的对应关系，将丢失的前一帧的特征点的位置姿态信息赋值给S1中特征点所对应的像素梯度点，完成直接法第一帧图像的初始化，切换至直接法获取图像位置姿态信息；当检测到的特征点数量多于阀值时，利用S2中像素梯度点与特征点一一对应的关系,将像素梯度点的位置姿态信息换算到对应特征点的位置姿态信息,完成特征点法的第一帧图像的初始化，然后继续执行步骤S3。

全文数据：

权利要求：

百度查询： 杭州长望智创科技有限公司 结合特征点和直接法的视觉里程计信息融合方法及设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD