專(zhuān)利名稱(chēng)：基于rgb-d相機(jī)的視覺(jué)里程計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于車(chē)輛自主導(dǎo)航領(lǐng)域，具體地涉及ー種基于RGB-D相機(jī)的視覺(jué)里程計(jì)方法。
背景技術(shù)：
里程計(jì)在車(chē)輛導(dǎo)航定位過(guò)程中至關(guān)重要。視覺(jué)里程計(jì)是ー種依靠視覺(jué)信息測(cè)算車(chē)輛運(yùn)動(dòng)距離和方向的方法，解決了輪式里程計(jì)因車(chē)輪打滑造成的測(cè)量錯(cuò)誤，不存在傳感器精度降低或慣導(dǎo)漂移等因素造成的誤差，是傳統(tǒng)方法的有效補(bǔ)充。目前，已提出的視覺(jué)里程計(jì)方法都是基于單目或雙目相機(jī)。視覺(jué)里程計(jì)依靠單目 或雙目相機(jī)得到的圖像序列，通過(guò)特征提取、特征匹配與跟蹤和運(yùn)動(dòng)估計(jì)得出車(chē)體六個(gè)自由度更新(位置和姿態(tài))。單目視覺(jué)里程計(jì)假定路面平坦，通過(guò)標(biāo)定得到路面上點(diǎn)在世界坐標(biāo)系下的坐標(biāo)與相應(yīng)的圖像坐標(biāo)之間的對(duì)應(yīng)關(guān)系，再將車(chē)輛運(yùn)動(dòng)前后得到的兩幀圖像中相同的點(diǎn)匹配起來(lái)，從而利用運(yùn)動(dòng)估計(jì)算法求得車(chē)體運(yùn)動(dòng)參數(shù)。單目視覺(jué)里程計(jì)最大的局限在于只能處理位于ー個(gè)平面上的場(chǎng)景點(diǎn)，無(wú)法得到場(chǎng)景的三維信息，因此當(dāng)路面存在起伏或凸出的部分時(shí)算法會(huì)失效。雙目視覺(jué)里程計(jì)是建立在立體視覺(jué)基礎(chǔ)上的，它通過(guò)雙目立體攝像機(jī)獲取立體圖像序列，通過(guò)特征提取、特征點(diǎn)立體匹配、特征點(diǎn)跟蹤匹配、坐標(biāo)變換和運(yùn)動(dòng)估計(jì)等步驟求得車(chē)輛的運(yùn)動(dòng)數(shù)據(jù)。一般認(rèn)為，雙目立體系統(tǒng)能取得比單目系統(tǒng)更可靠，精確和方便的結(jié)果(Nister, Visual Odometry for Ground Venicle Applications, Journal of FieldRobotics, 2006)，然而雙目視覺(jué)里程計(jì)往往設(shè)備較為復(fù)雜，安裝不便，圖像處理工作量大，現(xiàn)有的商業(yè)化雙目立體相機(jī)也售價(jià)昂貴。

發(fā)明內(nèi)容
本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于RGB-D相機(jī)的視覺(jué)里程計(jì)方法。本發(fā)明包括RGB-D相機(jī)、電腦主機(jī)和自主車(chē)輛；電腦主機(jī)安裝在自主車(chē)輛內(nèi)部，RGB-D相機(jī)固定在自主車(chē)輛外圍頂端；RGB-D相機(jī)通過(guò)USB接ロ(或1394接ロ)與電腦主機(jī)相連。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案包括如下步驟
步驟(I).將RGB-D相機(jī)固定在自主車(chē)輛外圍頂端，代替?zhèn)鹘y(tǒng)的單目或雙目相機(jī)來(lái)感知
環(huán)境，并輸出彩色圖像和深度圖像4。步驟(2).由于RGB-D相機(jī)中彩色相機(jī)和深度相機(jī)處于不同位置，因此，將給出的深度圖像4與彩色圖像z對(duì)齊。
深度圖像ら)與彩色圖像4對(duì)齊步驟如下
2-1.針孔相機(jī)成像模型的齊次坐標(biāo)形式如下 m =(I)
其中A =[足Hlf表示ー個(gè)世界坐標(biāo)系下的三維點(diǎn)，雨=是點(diǎn)設(shè)投影在ニ
維圖像平面的點(diǎn)， Γ為針孔相機(jī)的內(nèi)參數(shù)矩陣，為針孔相機(jī)的外參數(shù)矩陣ャ·カ針孔相機(jī)坐標(biāo)系相對(duì)于世界坐標(biāo)系的旋轉(zhuǎn)矩陣，i為針孔相機(jī)坐標(biāo)系相對(duì)于世界坐標(biāo)系的平移向量，Ζ； Γ, 2是三維點(diǎn)i在世界坐標(biāo)系下的坐標(biāo)，& V是投影占在ニ維圖像平面的坐標(biāo)。2-2.對(duì)式(I)展開(kāi)得:
免== KBlX -C1J -C公Z - Cj = KR(M1-C) (2)
其中Mt = IX,Y,I]7 ^t=-RC , C是平移向量￡的另外ー種表示方式，表示針孔相機(jī)
坐標(biāo)系與世界坐標(biāo)系的原點(diǎn)之間的位移“為針孔相機(jī)平移矩陣，R為針孔相機(jī)旋轉(zhuǎn)矩陣。2-3.根據(jù)式(2)，以深度相機(jī)的坐標(biāo)系作為世界坐標(biāo)系，對(duì)彩色相機(jī)建立投影模型得
みc =D、(3)
以深度相機(jī)的坐標(biāo)系作為世界坐標(biāo)系，對(duì)深度相機(jī)建立投影模型得 mB = K3Mt3 (4)
由式(3)和(4)得出
= KcRd(K^md-Cd)或ち=- ) (5)
其中邊c·是以深度相機(jī)坐標(biāo)系作為世界坐標(biāo)系下的三維點(diǎn)投影在彩色相機(jī)ニ維圖像
平面的點(diǎn)，·*1 是以深度相機(jī)坐標(biāo)系作為世界坐標(biāo)系下的三維點(diǎn)投影在深度相機(jī)ニ維圖像
平面的點(diǎn)，Kc為彩色相機(jī)內(nèi)參數(shù)矩陣，13為深度相機(jī)內(nèi)參數(shù)矩陣，[ち: ]為彩色相機(jī)相
對(duì)于深度相機(jī)的外參數(shù)矩陣。Rn為彩色相機(jī)相坐標(biāo)系對(duì)于深度相機(jī)坐標(biāo)系的旋轉(zhuǎn)矩陣
為彩色相機(jī)坐標(biāo)系相對(duì)于深度相機(jī)坐標(biāo)系的平移向量，Cs是ら的另外ー種表不方式，表不
彩色相機(jī)坐標(biāo)系與深度相機(jī)坐標(biāo)系的原點(diǎn)間的位移，表示ー個(gè)以深度相機(jī)坐標(biāo)系作為世界坐標(biāo)系下的三維點(diǎn)。2-4.根據(jù)式(4)算出深度圖像4上每ー個(gè)像素點(diǎn)在以深度相機(jī)的坐標(biāo)系作為世界坐標(biāo)系下的三維坐標(biāo)，同時(shí)根據(jù)式(5)，算出深度圖像/s上每ー個(gè)像素點(diǎn)對(duì)應(yīng)的彩色圖像4的投影平面坐標(biāo)，得到與彩色圖像4對(duì)齊的深度圖像，并將對(duì)齊后且包含三維坐標(biāo)信息的深度圖像記為4。步驟(3).剔除深度圖像/i中無(wú)效和不穩(wěn)定的區(qū)域，同時(shí)對(duì)彩色圖像Zc進(jìn)行圖像平滑操作，得到準(zhǔn)確可靠的ニ維RGB-D圖像4_。步驟(4).以時(shí)間T為周期，均勻采集彩色圖像/c和深度圖像/^根據(jù)步驟⑵、步驟⑶將采集到的彩色圖像4和深度圖像4轉(zhuǎn)換為ニ維RGB-D圖像，從而得到在時(shí)間軸上連續(xù)的ニ維RGB-D圖像序列{4_)。步驟(5).根據(jù)時(shí)間軸的先后順序，依次選取ニ維RGB-D圖像序列中連續(xù)的前后兩幀圖像/和/^，分別對(duì)這兩幀 圖像進(jìn)行特征點(diǎn)的提取與描述，得到特征點(diǎn)集び”和ぴ8+1},所有特征點(diǎn)集里的特征點(diǎn)有相同的維數(shù)為正整數(shù)。步驟(6).對(duì)于特征點(diǎn)集び”中的每ー個(gè)特征點(diǎn)F，從特征點(diǎn)集び8中找到與特征點(diǎn)P的特征向量最鄰近的特征點(diǎn)i7S+1 ;
若特征點(diǎn)廣與特征點(diǎn)/^+1之間特征向量的距離小于閾值7 ，則記錄特征點(diǎn)f與特征點(diǎn)產(chǎn)1為相匹配的一對(duì)特征點(diǎn)對(duì)，表示為m ；
若特征點(diǎn)Fs與特征點(diǎn)i K+1之間特征向量的距離大于等于閾值7 ,則特征點(diǎn)集びs+1)中沒(méi)有與特征點(diǎn)i s相匹配的特征點(diǎn)；
特征點(diǎn)對(duì)表示了三維場(chǎng)景中同一個(gè)點(diǎn)在連續(xù)的前后兩幀圖像上的不同投影，通過(guò)步驟(6)可得到ー個(gè)特征點(diǎn)對(duì)集合i(F，F(xiàn)s+1))。步驟(7).對(duì)得到特征點(diǎn)對(duì)集合((f，F(xiàn)+1)}進(jìn)行篩選，獲得較優(yōu)的用于確定運(yùn)動(dòng)參數(shù)的三維點(diǎn)對(duì)。特征點(diǎn)對(duì)集合篩選步驟如下
7-1.對(duì)特征點(diǎn)對(duì)集合(Ρκ，グ+1)}進(jìn)行多次隨機(jī)取樣，毎次從中隨機(jī)抽出a對(duì)特征點(diǎn)對(duì)，根據(jù)這a對(duì)特征點(diǎn)對(duì)及其對(duì)應(yīng)的估計(jì)剛體的運(yùn)動(dòng)參數(shù)的方法算出兩幀圖像間的運(yùn)動(dòng)參數(shù)，即旋轉(zhuǎn)矩陣i 和平移向量 ，其中a為正整數(shù)。7-2.對(duì)于特征點(diǎn)對(duì)集合{(F'f+1)}中的每ー個(gè)特征點(diǎn)對(duì)(F1Jw1)，算出前幀圖像1\獅中特征點(diǎn)f經(jīng)旋轉(zhuǎn)矩陣Λ和平移向量i后的三維坐標(biāo)(ダ"1/ ;
若,ヤ與的三維距離小于閾值，則特征點(diǎn)F被劃分為內(nèi)點(diǎn)；
若(ァx+1y與F科1的三維距離大于等于閾值 ，則特征點(diǎn)r被劃分為外點(diǎn)。7-3.經(jīng)過(guò)b次隨機(jī)取樣試驗(yàn)后，找出內(nèi)點(diǎn)數(shù)目最多的那次隨機(jī)取樣試驗(yàn)，其中b為正整數(shù)；將該次取樣試驗(yàn)所取的特征點(diǎn)對(duì)，作為最終篩選的用于確定運(yùn)動(dòng)參數(shù)的三維點(diǎn)對(duì)；將該次取樣試驗(yàn)所估計(jì)的運(yùn)動(dòng)參數(shù)，作為最終確定的運(yùn)動(dòng)參數(shù)。本發(fā)明與現(xiàn)有技術(shù)相比，具有的有益效果是
1)本發(fā)明設(shè)備簡(jiǎn)單，安裝便利，成本較低；
2)本發(fā)明無(wú)需進(jìn)行左右圖像的立體匹配，圖像處理工作量較??；3)本發(fā)明可獲取精確的場(chǎng)景三維信息，運(yùn)動(dòng)估計(jì)結(jié)果精確可靠；
4)本發(fā)明擁有很強(qiáng)的靈活性，可根據(jù)不同需求選用不同的前后幀匹配算法和剛體運(yùn)動(dòng)估計(jì)方法。


圖I是本發(fā)明的基本結(jié)構(gòu) 圖2是本發(fā)明的的工作流程圖。
具體實(shí)施例方式下面將結(jié)合附圖對(duì)本發(fā)明方法作進(jìn)ー步說(shuō)明。 如圖I所示，本發(fā)明包括RGB-D相機(jī)、電腦主機(jī)和自主車(chē)輛三個(gè)部分；電腦主機(jī)安裝在自主車(chē)輛內(nèi)部，RGB-D相機(jī)固定在自主車(chē)輛頂端；RGB-D相機(jī)通過(guò)USB接ロ(或1394接ロ)與電腦主機(jī)相連。如圖2所示，本發(fā)明方法具體步驟如下
步驟(I).將RGB-D相機(jī)固定在自主車(chē)輛外圍頂端，代替?zhèn)鹘y(tǒng)的單目或雙目相機(jī)來(lái)感知
環(huán)境，并輸出彩色圖像ん和深度圖像。步驟(2).由于RGB-D相機(jī)中彩色相機(jī)和深度相機(jī)處于不同位置，它們各自所成的像也是從兩個(gè)不同的視角對(duì)三維世界進(jìn)行了投影，這樣的數(shù)據(jù)不利于后期的處理，因此對(duì)
給出的深度圖像ら與彩色圖像4對(duì)齊。對(duì)齊的效果相當(dāng)于在彩色相機(jī)的位置同時(shí)放置一
臺(tái)深度相機(jī)，兩者同時(shí)對(duì)三維場(chǎng)景進(jìn)行成像，得到的ニ維圖像每ー個(gè)象素既包含顔色信息，也包含深度信息。深度圖像4與彩色圖像/c對(duì)齊步驟如下
2-1.針孔相機(jī)成像模型的齊次坐標(biāo)形式如下 m =(I)
其中愈=[U,2,If表示ー個(gè)世界坐標(biāo)系下的三維點(diǎn)，尤為針孔相機(jī)的內(nèi)參數(shù)矩陣，[5 為針孔相機(jī)的外參數(shù)矩陣，兩=[iんv，lf是點(diǎn)M投影在ニ維圖像平面的坐標(biāo)，& V是
投影點(diǎn) 在ニ維圖像平面的坐標(biāo)，ぶ；Γ, Z是三維點(diǎn)M在ー個(gè)世界坐標(biāo)系下的坐標(biāo)。2-2.對(duì)式(I)展開(kāi)得
m = KR[lI-CjM= KR[X-C1J-C2,Z-C3f = KR(M1-C) (2)
其中jT = [iT,r，Zf ,,c是平移向量I的另外ー種表示方式，表示針孔相機(jī)
坐標(biāo)系與世界坐標(biāo)系的原點(diǎn)之間的位移， 為針孔相機(jī)平移矩陣力針孔相機(jī)旋轉(zhuǎn)矩陣。2-3.根據(jù)式(2)，以深度相機(jī)的坐標(biāo)系作為世界坐標(biāo)系，對(duì)彩色相機(jī)建立投影模型得
も=[cも(め-ら)(3)
以深度相機(jī)的坐標(biāo)系作為世界坐標(biāo)系，對(duì)深度相機(jī)建立投影模型得 = KsM1s (4)
由式(3)和(4)得出
も=( -も)或も=Kc(RDKtmD - ) (5)
其中是以深度相機(jī)坐標(biāo)系作為世界坐標(biāo)系下的三維點(diǎn)投影在彩色相機(jī)ニ維圖像平面的點(diǎn)，みD是以深度相機(jī)坐標(biāo)系作為世界坐標(biāo)系下的三維點(diǎn)投影在深度相機(jī)ニ維圖像平面的點(diǎn)，C為彩色相機(jī)內(nèi)參數(shù)矩陣，13為深度相機(jī)內(nèi)參數(shù)矩陣，為彩色相機(jī)相對(duì)于深度相機(jī)的外參數(shù)矩陣。Rn為彩色相機(jī)相坐標(biāo)系對(duì)于深度相機(jī)坐標(biāo)系的旋轉(zhuǎn)矩陣為彩色相機(jī)坐標(biāo)系相對(duì)于深度相機(jī)坐標(biāo)系的平移向量，ら是ら的另外ー種表不方式,表不彩色相機(jī)坐標(biāo)系與深度相機(jī)坐標(biāo)系的原點(diǎn)間的位移，表示ー個(gè)以深度相機(jī)坐標(biāo)系作為世界坐標(biāo)系下的三維點(diǎn)。
2-4.根據(jù)式(5)，將深度圖像ら對(duì)齊到彩色圖像4的投影平面上，獲得對(duì)齊后的深度圖像，同時(shí)根據(jù)式(4)算出對(duì)齊后的深度圖像上每ー個(gè)像素點(diǎn)在世界坐標(biāo)系下的三維坐標(biāo)，將對(duì)齊后且包含三維坐標(biāo)信息的深度圖像記為4。步驟(3).剔除深度圖像/:η中無(wú)效和不穩(wěn)定的區(qū)域，同時(shí)對(duì)彩色圖像4進(jìn)行圖像平滑操作，得到準(zhǔn)確可靠的ニ維RGB-D圖像4_。步驟(4).以時(shí)間T為周期，均勻采集彩色圖像/c和深度圖像ら，根據(jù)步驟⑵、步驟⑶將采集到的彩色圖像4和深度圖像4轉(zhuǎn)換為ニ維RGB-D圖像從而得到在時(shí)間軸上連續(xù)的ニ維RGB-D圖像序列。步驟(5).選取ニ維RGB-D圖像序列{4卿}中連續(xù)的前后兩幀圖像和!ニ
，分別對(duì)這兩幀圖像進(jìn)行特征點(diǎn)的提取與描述，得到特征點(diǎn)集{ "}和，所有特征點(diǎn)集里的特征點(diǎn)有相同的維數(shù)力正整數(shù)。步驟(6).對(duì)于特征點(diǎn)集び"}中的每ー個(gè)特征點(diǎn)i へ從特征點(diǎn)集び"+1}找到與特征點(diǎn)i H的特征向量最鄰近的特征點(diǎn)，記為FK+1 ；
若特征點(diǎn)尸與特征點(diǎn)FB+1之間特征向量的距離小于閾值1 ,則記錄特征點(diǎn)Fm與特征點(diǎn)Fx+1為相匹配的ー對(duì)特征點(diǎn)對(duì)，表示為；
若特征點(diǎn)Fn與特征點(diǎn)i s+1之間特征向量的距離大于等于閾值”貝IJ特征點(diǎn)集ぴ8+1)中沒(méi)有與特征點(diǎn)Fs相匹配的特征點(diǎn)；
特征點(diǎn)對(duì)(タ'/^+1)表示了三維場(chǎng)景中同一個(gè)點(diǎn)在連續(xù)的前后兩幀圖像上的不同投影，通過(guò)該步驟可以得到ー個(gè)特征點(diǎn)對(duì)集合{(F'f+1)}。步驟(7).剛體運(yùn)動(dòng)參數(shù)的估計(jì)最少需要兩對(duì)連續(xù)的前后幀匹配的三維點(diǎn)對(duì)(常用估計(jì)方法有奇異值分解法、正交分解法、単位四元數(shù)法和基于ニ維特征點(diǎn)的“8點(diǎn)算法”)，通過(guò)步驟(6)得到的連續(xù)前后幀匹配的特征點(diǎn)對(duì)集合ダ1+1)}包含大量的三維點(diǎn)對(duì)，其
中也包含一些誤匹配的三維點(diǎn)對(duì)，本步驟對(duì)得到特征點(diǎn)對(duì)集合((,，尸+1)}進(jìn)行篩選，基于
隨機(jī)抽樣一致性(RANSAC)思想，獲取較優(yōu)的用于確定運(yùn)動(dòng)參數(shù)的三維點(diǎn)對(duì)，剔除掉存在的誤匹配點(diǎn)。特征點(diǎn)對(duì)集合{(P,尸+1)}篩選步驟如下
7-1.對(duì)特征點(diǎn)對(duì)集合((,，尸+1)}進(jìn)行多次隨機(jī)取樣，毎次從中隨機(jī)抽出a對(duì)匹配點(diǎn)對(duì)，根據(jù)這a對(duì)匹配點(diǎn)對(duì)及其對(duì)應(yīng)的估計(jì)剛體的運(yùn)動(dòng)參數(shù)的方法算出兩幀圖像間的運(yùn)動(dòng)參數(shù)，即旋轉(zhuǎn)矩陣P和平移矩陣，其中a為正整數(shù)。
7-2.對(duì)于特征點(diǎn)對(duì)集合《F，f+1)}中的每ー個(gè)特征點(diǎn)對(duì)GWk+1)，算出前幀圖中特征點(diǎn)Fs經(jīng)旋轉(zhuǎn)矩陣i 和平移矩陣 后的三維坐標(biāo)(ァ"+1ア;
若與i +1的三維距離小于閾值TM，則特征點(diǎn)i 被劃分為內(nèi)點(diǎn)；
若與ド的三維距離大于等于閾值TM，則特征點(diǎn)F及被劃分為外點(diǎn)。7-3.因?yàn)檎_匹配點(diǎn)對(duì)所確定的模型逼近于真實(shí)的模型，大多數(shù)數(shù)據(jù)會(huì)成為內(nèi)點(diǎn)，而錯(cuò)誤的匹配點(diǎn)由于數(shù)據(jù)雜亂無(wú)章所確定的模型大部分?jǐn)?shù)據(jù)會(huì)成為外點(diǎn)。經(jīng)過(guò)b次隨機(jī)取樣試驗(yàn)后，找出內(nèi)點(diǎn)數(shù)目最多的那次隨機(jī)取樣試驗(yàn)，其中b為正整數(shù)；將該次取樣試所取的特征點(diǎn)對(duì)，作為最終篩選的用于確定運(yùn)動(dòng)參數(shù)的三維點(diǎn)對(duì)；將該次取樣試驗(yàn)所估計(jì)的運(yùn)動(dòng)參數(shù)，作為最終確定的運(yùn)動(dòng)參數(shù)。
權(quán)利要求
1.基于RGB-D相機(jī)的視覺(jué)里程計(jì)方法，其特征在于包括如下步驟 步驟(I).將RGB-D相機(jī)固定在自主車(chē)輛外圍頂端，代替?zhèn)鹘y(tǒng)的單目或雙目相機(jī)來(lái)感知環(huán)境，并輸出彩色圖像4和深度圖像^); 步驟(2).由于RGB-D相機(jī)中彩色相機(jī)和深度相機(jī)處于不同位置，因此，將給出的深度圖像ら與彩色圖像ら對(duì)齊； 深度圖像4與彩色圖像4對(duì)齊步驟如下 2-1.針孔相機(jī)成像模型的齊次坐標(biāo)形式如下 m = K[Rt]M (I) 其中A =[足表示ー個(gè)世界坐標(biāo)系下的三維點(diǎn)，麻=[av,if是點(diǎn)砬投影在ニ維圖像平面的點(diǎn)，i力針孔相機(jī)的內(nèi)參數(shù)矩陣，為針孔相機(jī)的外參數(shù)矩陣，P、為針孔相機(jī)坐標(biāo)系相對(duì)于世界坐標(biāo)系的旋轉(zhuǎn)矩陣，i為針孔相機(jī)坐標(biāo)系相對(duì)于世界坐標(biāo)系的平移向量，I 7, Z是三維點(diǎn)it 在世界坐標(biāo)系下的坐標(biāo)，& V是投影占，在ニ維圖像平面的坐標(biāo)； 2-2.對(duì)式(I)展開(kāi)得
全文摘要
本發(fā)明公開(kāi)了一種基于RGB-D相機(jī)的視覺(jué)里程計(jì)方法?，F(xiàn)有視覺(jué)里程計(jì)方法都是基于單目或雙目相機(jī)，或無(wú)法得到場(chǎng)景的三維信息，或設(shè)備較為復(fù)雜安裝不便。本發(fā)明包括RGB-D相機(jī)、電腦主機(jī)和自主車(chē)輛；電腦主機(jī)安裝在自主車(chē)輛內(nèi)部，RGB-D相機(jī)固定在自主車(chē)輛外圍頂端；RGB-D相機(jī)通過(guò)USB接口(或1394接口)與電腦主機(jī)相連，本發(fā)明依靠RGB-D相機(jī)得到的對(duì)齊RGB-D圖像序列，通過(guò)前后幀圖像的特征提取、特征匹配與跟蹤和運(yùn)動(dòng)估計(jì)得出車(chē)體的運(yùn)動(dòng)距離和方向；本發(fā)明設(shè)備簡(jiǎn)單，安裝便利，成本較低，圖像處理工作量較小，可獲取精確的場(chǎng)景三維信息，運(yùn)動(dòng)估計(jì)結(jié)果精確可靠。
文檔編號(hào)G01C22/00GK102692236SQ20121015142
公開(kāi)日2012年9月26日 申請(qǐng)日期2012年5月16日 優(yōu)先權(quán)日2012年5月16日
發(fā)明者劉濟(jì)林, 曹騰, 龔小謹(jǐn) 申請(qǐng)人:浙江大學(xué)