[發明專利]增量式平移平均化方法、系統、設備

有效

• 申請號: 202110992939.0
• 申請日: 2021-08-27
• 公開（公告）號: CN113436230B
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 高翔;李夢晗;馬孝冬;解則曉
• 申請（專利權）人: 中國海洋大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/73;G06T7/80
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于三維重建中從運動恢復結構技術領域，具體涉及一種增量式平移平均化方法、系統、設備，旨在解決現有平移平均化方法復雜度高、準確度低、魯棒性差的問題。本方法包括構造外極幾何圖；構建相機四元組集合，基于局部優化選取初始相機四元組作為初始種子視圖；構建第三頂點集合；組成相機三元組，采用基于加權支撐集合的下一最優視圖選取策略確定頂點的增量順序；對當前已估計的絕對位置進行加權局部優化/加權全局優化；對全局優化后的所有已估計絕對位置的頂點進行重平移平均化。本發明降低了平移平均化方法的復雜度，并提高了絕對位置估計的準確性、魯棒性。

技術領域

本發明屬于三維重建中從運動恢復結構技術領域，具體涉及一種增量式平移平均化方法、系統、設備。

背景技術

從運動恢復結構（structure from motion）是基于圖像的大規模場景三維重建中的一個關鍵步驟，近年來發展迅速，其輸入為圖像特征匹配，輸出為相機絕對位姿和場景結構。根據相機位姿初始化方式的不同，從運動恢復結構大致可以分為增量式與全局式兩種。增量式方法通過迭代式的相機位姿估計和場景結構擴展完成對相機位姿與場景結構的初始化，在迭代過程中，為了應對不可避免的特征匹配外值，這一方法還會引入隨機抽樣一致性（random sample consensus）算法和捆綁調整（bundle adjustment）技術。與增量式方法不同，全局式從運動恢復結構主要利用運動平均化技術完成對相機位姿的初始化，通常包括旋轉平均化（rotation averaging）和平移平均化（translation averaging）兩步。相比于全局式從運動恢復結構，增量式方法更加頻繁地調用基于隨機抽樣一致性的模型估計算法和基于捆綁調整的參數優化技術，因而其結果也更加地準確和魯棒。

平移平均化是指在給定相對平移測量值的情況下對相機的絕對位置進行估計。相對平移測量值一般通過本質矩陣（essential matrix）的估計和分解來獲取。與旋轉平均化相比，平移平均化的難度更大，其原因有三：1）本質矩陣只蘊含了相對平移的方向信息，分解本質矩陣求得的相對平移存在尺度不確定性問題；2）與相對旋轉相比，從本質矩陣中求得的相對平移的精度更容易受到錯誤特征匹配的影響；3）只有在同一平行剛性組（parallel rigid component）中的相機才能通過平移平均化的方式被唯一估計，而旋轉平均化只需要所有相機在同一連通組（connected component）中即可。目前，平移平均化問題雖然已被廣泛研究，但與旋轉平均化相比，其遠未解決且一直是一個熱點話題。

現有的平移平均化方法主要側重于以下三個方面：1）設計合適的代價函數形式和優化方案；2）研究對外極幾何圖的濾除/優化策略；3）引入輔助信息，如特征軌跡、相機三元組或秩約束等。盡管上述方法已經取得了不錯的結果，但由于過度依賴于復雜的目標函數形式與優化，設計精巧的初始化操作，或者其他附加信息，這些方法的復雜度更高，效率更低，此外，準確性和魯棒性依然是它們面臨的關鍵挑戰。受增量式從運動恢復結構方法的啟發，本發明提出了一種增量式平移平均化方法。

發明內容

為了解決現有技術中的上述問題，即為了解決現有的平移平均化方法復雜度高、準確度低、魯棒性差的問題，本發明第一方面，提出了一種增量式平移平均化方法，應用于全局式從運動恢復結構中相機絕對位置的求解，該方法包括：

步驟S100，獲取多幀圖像，進行兩兩圖像之間的特征匹配，根據外極幾何關系構造外極幾何圖，進而計算匹配圖像對之間的相對旋轉和相對平移；其中，為頂點集合，表示場景中拍攝圖像的相機集合，為邊集合，表示拍攝不同圖像的相機兩兩之間的外極幾何邊的集合，包含了相機之間的運動信息；

步驟S200，選取所述外極幾何圖中特征匹配數量最多的前條邊構成的相機四元組，構建四元組集合，并計算在局部坐標系下所述四元組集合的各相機四元組中的每一個相機的絕對位置；結合各相機的絕對位置，計算所述四元組集合中的各相機四元組的選取代價，并將選取代價最大的相機四元組對應的視圖作為初始種子視圖；