Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江工业大学沈英获国家专利权

浙江工业大学沈英获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉浙江工业大学申请的专利一种基于卷帘相机的高频视觉里程计方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117274385B

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311306232.5,技术领域涉及:G06T7/73;该发明授权一种基于卷帘相机的高频视觉里程计方法是由沈英;李晨;胡明南;陈博设计研发完成,并于2023-10-10向国家知识产权局提交的专利申请。

一种基于卷帘相机的高频视觉里程计方法在说明书摘要公布了:本发明公开了一种基于卷帘相机的高频视觉里程计方法,该方法包括:通过卷帘相机组获取不同视角的卷帘畸变图像;在卷帘畸变图像行上获取跟踪点,在上一帧图像上寻找最佳匹配点;得到各相机行图像上匹配好的像素点,通过对极约束估计相机组当前行位姿;在关键帧上对每行特征点进行深度滤波,传入新一帧卷帘图像,计算特征点在新帧的卷帘对极曲线,在当前帧卷帘对极曲线搜索获得最佳匹配位置;根据几何关系使用三角测量方法恢复特征点单次测量的深度和不确定性;对相机特征点上一状态深度和当前测量的深度融合,待重建帧上的特征点深度收敛后将特征点加入地图,优化相机位姿。本发明相机成本低、运算快,且能够应用于对实时性要求高的场景中。

本发明授权一种基于卷帘相机的高频视觉里程计方法在权利要求书中公布了:1.一种基于卷帘相机的高频视觉里程计方法,其特征在于,包括以下步骤: S1、通过卷帘相机组获取当前环境不同视角的卷帘畸变图像,并同步获取同一时刻卷帘相机组同时曝光的图像行索引; S2、在当前卷帘畸变图像行上获取跟踪点,对卷帘畸变图像去畸变,通过旋转补偿重建上一帧图像行块,在重建图像行上寻找最佳匹配点; S3、根据步骤S2得到各卷帘相机同时曝光的行图像上匹配好的最佳匹配点,通过对极约束,估计初始卷帘相机组图像行位姿; S4、在关键帧上对每行特征点进行深度滤波,新一帧的卷帘图像传入,利用帧间行图像位姿计算当前帧上极线方程的参数矩阵,通过最小二乘优化方法构建卷帘对极曲线,搜索以获得特征点在当前帧的最佳匹配点位置;所述步骤S4具体包括: 带有径向畸变的卷帘图像,对行扫描线去畸变生成无畸变图像中的一行曲线,卷帘对极曲线是由去畸变图像中的每一行曲线行与图像的极线的交点组成;定义无畸变像素点为uundistorted=[uu,vu,1]T和畸变像素点为udistorted=[ud,vd,1]T,其中uu、vu分别表示无畸变像素点在像素平面上的u轴和v轴坐标,ud、vd分别表示畸变像素点在像素平面上的u轴和v轴坐标,相机内参矩阵为无畸变像素点、畸变像素点和相机内参矩阵有以下关系: uundistorted=KPc_undistorted udistorted=KPc_distorted 其中,Pc_undistorted=[xu,yu,1]T和Pc_distorted=[xd,yd,1]T表示相机坐标系下归一化平面上的无畸变点和畸变点,xu、yu分别表示无畸变点在相机坐标系下归一化平面上的x轴和y轴坐标,xd、yd分别表示畸变点在相机坐标系下归一化平面上的x轴和y轴坐标,fx、fy分别代表图像平面上x轴和y轴的焦距,cx、cy分别代表了图像平面上主点的坐标; 根据上述带有径向畸变的卷帘图像的建模步骤,通过下列最小二乘优化方法寻找去畸变图像曲线行与极线的交点:若已知极线方程为au+bv+c=0,其中a、b、c为极线方程参数; 当a≠0时,对于畸变图像行yd,求解目标函数: 其中,xu=[-bavu-ca-cx]fx,yu=vu-cyfy,求得去畸变图像曲线行与极线交点为u*=[uu*,vu*,1]T,其中r为无畸变点到图像中心的距离,k1、k2为畸变参数; 当a=0时,即极线水平时,求解目标函数: 其中,xu=uu-cxfx,yu=-cb-cyfy,可求得交点u*=[uu*,vu*,1]T,其中vu*=-cb,当前情况求得两个交点,根据先验深度计算特征点与所得交点之间的重投影误差,剔除非目标交点; 取关键帧上每一行的跟踪点为要进行深度滤波的特征点,对于一个特征点p,所在行图像为Rowp,根据步骤S3中得到的已知帧间行图像相对位姿,获取当前帧上极线方程的参数矩阵[a,b,c]T,由此在当前帧上得到一条卷帘对极曲线,特征点的投影点在卷帘对极曲线上搜索,通过最小光度误差的比对算法获得最佳匹配点位置q; S5、根据特征点及其最佳匹配点所满足的对极几何约束使用三角测量方法恢复特征点单次测量的深度和不确定性; S6、对相机特征点上一状态最优深度和当前测量的深度融合,待重建行上的特征点深度收敛后将特征点加入地图,最小化重投影误差得到优化卷帘相机组图像行位姿。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江工业大学,其通讯地址为:310012 浙江省杭州市下城区潮王路18号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。