本發(fā)明涉及多源信息融合技術(shù)和圖像處理技術(shù)，具體涉及一種融合相機-imu的圖像目標點位姿確定方法及系統(tǒng)。

背景技術(shù)：

1、qr碼是一種二維條形碼，通過黑白小方塊在二維平面上編碼信息，具有高密度、大容量、易識別等特點。近年來，隨著移動設(shè)備和智能設(shè)備的普及，qr碼作為一種快速信息傳輸?shù)姆绞?，廣泛應(yīng)用于廣告、支付、身份驗證等場景。

2、目前，利用相機檢測qr碼的方法是以相機為靜止狀態(tài)下拍攝的，而并沒有考慮到相機本身會發(fā)生偏移，如地面的輕微震動使得相機本身產(chǎn)生輕微移動，會對qr碼中心位姿的提取效果產(chǎn)生影響，使得識別精度降低；而利用運動中的相機檢測qr碼時，其運動過程中會產(chǎn)生大量的位置誤差，且隨著運動時間的增加，累計誤差也越來越大。

技術(shù)實現(xiàn)思路

1、為解決上述問題，本發(fā)明公開了一種融合相機-imu的圖像目標點位姿確定方法及系統(tǒng)。

2、本發(fā)明公開了一種融合相機-imu的圖像目標點位姿確定方法，包括以下步驟：

3、聯(lián)合標定相機和imu，并根據(jù)標定結(jié)果確定相機-imu緊耦合模型；

4、獲取圖像的特征點與目標點之間的第一相對位姿；

5、利用所述相機-imu緊耦合模型獲取所述特征點相對于偏移后的相機的第二相對位姿；

6、根據(jù)所述第一相對位姿和所述第二相對位姿確定目標點相對于相機的位姿。

7、利用所述相機-imu緊耦合模型獲取所述特征點相對于偏移后的相機的第二相對位姿，具體為：

8、利用所述相機-imu緊耦合模型獲取相機偏移后的位姿；

9、獲取相機對所述特征點的觀測數(shù)據(jù)；

10、根據(jù)所述偏移后的位姿和觀測數(shù)據(jù)確定所述特征點相對于偏移后的相機的第二相對位姿。

11、利用所述相機-imu緊耦合模型獲取相機偏移后的位姿，具體為：

12、獲取相機的初始位姿；

13、利用所述相機-imu緊耦合模型獲取相機在預(yù)設(shè)時間的位姿偏移量；

14、根據(jù)所述初始位姿和所述位姿偏移量確定相機偏移后的位姿。

15、所述特征點為多個，相應(yīng)的，獲取圖像的特征點與目標點之間的第一相對位姿，具體為：

16、獲取圖像的特征點之間的第三相對位姿，

17、根據(jù)所述第三相對位姿，獲取圖像的特征點與目標點之間的第一相對位姿。

18、優(yōu)選的，聯(lián)合標定相機和imu，并根據(jù)標定結(jié)果確定相機-imu緊耦合模型，具體為：

19、聯(lián)合標定相機和imu，得到相機參數(shù)、imu參數(shù)以及相機與imu之間的相對參數(shù)；

20、根據(jù)所述相機參數(shù)、imu參數(shù)以及相對參數(shù)，確定相機-imu緊耦合模型。

21、優(yōu)選的，根據(jù)所述相機參數(shù)、imu參數(shù)以及相對參數(shù)，確定相機-imu緊耦合模型，具體為：

22、根據(jù)所述相機參數(shù)確定相機模型；

23、根據(jù)所述imu參數(shù)確定imu運動模型；

24、根據(jù)所述相對參數(shù)將所述相機模型和所述imu運動模型的觀測值進行位姿轉(zhuǎn)換；

25、根據(jù)所述相機模型、imu運動模型以及轉(zhuǎn)換后的觀測值確定相機-imu緊耦合模型。

26、優(yōu)選的，根據(jù)所述相機模型、imu運動模型以及轉(zhuǎn)換后的觀測值確定相機-imu緊耦合模型，具體為：

27、根據(jù)所述相機模型構(gòu)建重投影誤差；

28、根據(jù)所述imu運動模型以及轉(zhuǎn)換后的觀測值建立imu誤差項；

29、根據(jù)所述重投影誤差和所述imu誤差項確定相機-imu緊耦合模型。

30、優(yōu)選的，根據(jù)所述重投影誤差和所述imu誤差項確定相機-imu緊耦合模型，具體為：

31、根據(jù)所述重投影誤差確定第一信息矩陣；

32、根據(jù)imu誤差項確定第二信息矩陣；

33、根據(jù)所述重投影誤差、imu誤差項、第一信息矩陣以及第二信息矩陣建立相機-imu緊耦合模型。

34、優(yōu)選的，獲取圖像的特征點與目標點之間的第一相對位姿，具體為：

35、利用opencv獲取圖像的特征點與目標點之間的第一相對位姿。

36、優(yōu)選的，本發(fā)明還包括了一種融合相機-imu的圖像目標點位姿確定系統(tǒng)，包括：

37、模型確定模塊：用于聯(lián)合標定相機和imu，并根據(jù)標定結(jié)果確定相機-imu緊耦合模型；

38、第一相對位姿確定模塊：用于獲取圖像的特征點與目標點之間的第一相對位姿；

39、第二相對位姿確定模塊：用于利用所述相機-imu緊耦合模型獲取所述特征點相對于偏移后的相機的第二相對位姿；

40、目標點位姿確定模塊：用于根據(jù)所述第一相對位姿和所述第二相對位姿確定目標點相對于相機的位姿。

41、相較于現(xiàn)有技術(shù)，本發(fā)明具有如下有益效果：

42、(1)本發(fā)明通過相機-imu緊耦合模型獲取相機的偏移量，imu具有數(shù)據(jù)更新率高和定位精度高的優(yōu)勢，彌補了運動相機在檢測圖像目標位姿的過程中所產(chǎn)生的位置誤差的累積，通過高精度的imu獲取相機的偏移量及偏移后的位姿，減小了相機抖動造成的誤差，因而本發(fā)明方法的精度更高；

43、(2)本發(fā)明先分別獲取圖像的特征點與目標點和特征點與相機的位姿關(guān)系，然后根據(jù)上述位姿關(guān)系確定目標點與相機的位姿關(guān)系，計算過程簡單且精度高。

技術(shù)特征：

1.一種融合相機-imu的圖像目標點位姿確定方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，利用所述相機-imu緊耦合模型獲取所述特征點相對于偏移后的相機的第二相對位姿，具體為：

3.根據(jù)權(quán)利要求2所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，利用所述相機-imu緊耦合模型獲取相機偏移后的位姿，具體為：

4.根據(jù)權(quán)利要求1所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，所述特征點為多個，相應(yīng)的，獲取圖像的特征點與目標點之間的第一相對位姿，具體為：

5.根據(jù)權(quán)利要求1所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，聯(lián)合標定相機和imu，并根據(jù)標定結(jié)果確定相機-imu緊耦合模型，具體為：

6.根據(jù)權(quán)利要求5所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，根據(jù)所述相機參數(shù)、imu參數(shù)以及相對參數(shù)，確定相機-imu緊耦合模型，具體為：

7.根據(jù)權(quán)利要求6所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，根據(jù)所述相機模型、imu運動模型以及轉(zhuǎn)換后的觀測值確定相機-imu緊耦合模型，具體為：

8.根據(jù)權(quán)利要求7所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，根據(jù)所述重投影誤差和所述imu誤差項確定相機-imu緊耦合模型，具體為：

9.根據(jù)權(quán)利要求1所述的融合相機-imu的圖像目標點位姿確定方法，其特征在于，獲取圖像的特征點與目標點之間的第一相對位姿，具體為：

10.一種融合相機-imu的圖像目標點位姿確定系統(tǒng)，其特征在于，包括：

技術(shù)總結(jié)
本發(fā)明公開了一種融合相機?IMU的圖像目標點位姿確定方法，包括以下步驟：聯(lián)合標定相機和IMU，并根據(jù)標定結(jié)果確定相機?IMU緊耦合模型；獲取圖像的特征點與目標點之間的第一相對位姿；利用相機?IMU緊耦合模型獲取特征點相對于偏移后的相機的第二相對位姿；根據(jù)第一相對位姿和第二相對位姿確定目標點相對于相機的位姿。本發(fā)明通過相機?IMU緊耦合模型獲取相機的偏移量，IMU具有數(shù)據(jù)更新率高和定位精度高的優(yōu)勢，彌補了運動相機在檢測圖像目標位姿的過程中所產(chǎn)生的位置誤差的累積，通過高精度的IMU獲取相機的偏移量及偏移后的位姿，減小了相機抖動造成的誤差，因而本發(fā)明方法的精度更高。

技術(shù)研發(fā)人員：王宇航,楊宇平,嚴亞敏,信杰
受保護的技術(shù)使用者：陜西省水利電力勘測設(shè)計研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9