1.一种基于特征点不确定性的单目相机位姿估计方法,其特征在于,所述方法包括:根据特征点数据空间的像素灰度分布信息提取特征点的不确定信息,构建特征点的测量误差的协方差逆矩阵Q-1,包括:通过特征点的测量误差的协方差逆矩阵Q-1描述特征点的不确定性,Q-1的建模如下:其中,Q为测量误差的协方差矩阵,W为以特征点为中心的椭圆区域,w(u,v)为椭圆区域的像素灰度之和,和分别为图像在u和v方向上的梯度;
对特征点的协方差逆矩阵Q-1进行奇异值分解,得到特征点的仿射变换矩阵F;
基于特征点的仿射变换矩阵F对特征点进行不确定性加权,构建加权代数误差函数;
根据加权代数误差函数得到线性方程模型;
将线性方程模型改写为非线性方程模型;
基于非线性方程模型获取一致噪声方差,基于一致噪声方差对非线性方程模型进行求解得到偏差一致的闭式解根据所述闭式解得到旋转矩阵的估计值和平移向量的估计值输出相机位姿估计结果。
2.根据权利要求1所述的基于特征点不确定性的单目相机位姿估计方法,其特征在于,对特征点的协方差逆矩阵Q-1进行奇异值分解,得到特征点的仿射变换矩阵F,包括:对Q-1进行奇异值分解,得到Q-1=U∑-1UT,其中,仿射变换矩阵其中,σ1和σ2表示特征点的不确定度,∑-1/2将不确定性椭圆变换为单位圆,UT是一个旋转矩阵,将倾斜的不确定椭圆旋转为与图像平面u和v方向相同的椭圆;
将特征点数据空间通过仿射变换矩阵F投影到加权协方差空间中,特征点的测量误差由各向异性分布转变为各向同性分布。
3.根据权利要求1所述的基于特征点不确定性的单目相机位姿估计方法,其特征在于,基于特征点的仿射变换矩阵F对特征点进行不确定性加权,构建加权代数误差函数,包括:相机小孔成像模型为:
其中,为相机内参矩阵,单位为像素,K为已知量;qi=[ui vi]T为第i个像素平面特征点,为世界坐标系下的参考点;di表示深度信息;R和t为待求解的外参信息,分别表示旋转矩阵和平移向量;
基于特征点的仿射变换矩阵F,考虑特征点的测量误差将相机小孔成像模型改写成:[u0 v0]T已知,将上式简化并将特征点进行加权处理,得到观测方程:加权代数误差函数为:
其中,fx为x方向上的像素焦距、fy为y方向上的像素焦距、u0为像素平面u方向上的中心、v0为像素平面v方向上的中心,εi测量误差、W指矩阵E指矩阵表示第i个像素平面特征点的测量误差、表示第i个加权像素平面特征点,Fi表示第i个像素平面特征点的仿射变换矩阵。
4.根据权利要求3所述的基于特征点不确定性的单目相机位姿估计方法,其特征在于,根据加权代数误差函数得到线性方程模型,包括:在加权代数误差函数两边同时乘di,根据相机小孔成像模型,中间参数e=[001]T,得到测量方程:将测量方程改写为矩阵形式,得线性方程模型:
其中,M为系数矩阵,x由外参R和t组成,为误差项;其中表示矩阵的张量积,I3表示一个3×3的单位矩阵。
5.根据权利要求4所述的基于特征点不确定性的单目相机位姿估计方法,其特征在于,将线性方程模型改写为非线性方程模型,包括:引入约束和以消除尺度模糊性;将旋转矩阵R记为[r1 r2r3]T,平移向量t=[t1 t2 t3]T,得带入线性方程模型,有:改写为矩阵形式,得非线性方程模型:
Aθ+η=b
其中,是由加权特征点组成的向量,η为误差项,θ为待求未知量,A为系数矩阵:其中α是一个比例因子、n为特征点个数、表示世界坐标系下特征点的质心坐标、表示第i个加权像素平面特征点在u方向上的坐标、表示第i个加权像素平面特征点在v方向上的坐标。
6.根据权利要求1所述的基于特征点不确定性的单目相机位姿估计方法,其特征在于,基于非线性方程模型获取一致噪声方差,基于一致噪声方差对非线性方程模型进行求解得到偏差一致的闭式解包括:构建矩阵定义矩阵和表示世界坐标系下特征点的质心坐标,A为系数矩阵,b是由加权特征点组成的向量;
构建函数H(λ)=Φ-λΔ,λ为广义特征值,求解得到一致噪声方差基于一致噪声方差对非线性方程模型进行求解得到偏差一致的闭式解:
7.根据权利要求1所述的基于特征点不确定性的单目相机位姿估计方法,其特征在于,根据所述闭式解得到旋转矩阵的估计值和平移向量的估计值包括:
8.根据权利要求7所述的基于特征点不确定性的单目相机位姿估计方法,其特征在于,还包括:通过奇异值分解的方法将投影至李群空间内,公式如下:其中表示将投影至李群空间的投影公式,diag(*)表示(*)的对角矩阵、det(*)表示(*)的行列式,的奇异值分解结果为其中和均为奇异值分解结果中的参数。
9.一种存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至8任一项所述的方法。