1.一种相机的空间位姿估计方法,其特征在于,包括:将相机拍摄图像的特征点,与相机拍摄图像的特征点所对应的真实世界实物点进行匹配,得到一组匹配特征点;
在相机坐标系下,以匹配特征点中相机拍摄图像的特征点作为节点,以相机的光心到特征点的连线之间的夹角值作为边的权值构建第一角度图模型;
在世界坐标系下,以匹配特征点中相机拍摄图像的特征点所对应的真实世界实物点作为节点,以相机的光心与实物点的连线之间的夹角值作为边的权值构建第二角度图模型;
将第一角度图模型和第二角度图模型中的对应边的权值相减后取绝对值并将绝对值二值化得到角度差分图;
剔除角度差分图中,与其他特征点的相连边数最少的特征点;
根据角度差分图中特征点在现实世界坐标系下的位置关系,利用LHM算法估计相机的空间位姿。
2.根据权利要求1所述的一种相机的空间位姿估计方法,其特征在于,相机的光心到特征点的连线之间的夹角计算为:在相机坐标系下,将任意图像像素点p在相机内参K的作用下转换为空间射线l=K式中l
3.根据权利要求2所述的一种相机的空间位姿估计方法,其特征在于,相机的光心与相机拍摄的图像的像素点所对应的真实世界的点的连线之间的夹角的计算,包括:在世界坐标系下,设相机光心为C,真实世界的点P对应的射线为L=P-C;
计算射线间的夹角。
4.根据权利要求1所述的一种相机的空间位姿估计方法,其特征在于,所述将第一角度图模型和第二角度图模型中的对应边的权值相减后取绝对值并将绝对值二值化得到角度差分图;剔除角度差分图中,与其他特征点的相连边数最少的特征点;包括:将第一角度图模型和第二角度图模型中的对应边的值相减后取绝对值;
使用设定阈值对绝对值进行二值化,得到角度差分图:式中
将角度差分图转化为邻接矩阵M
利用邻接矩阵M
剔除M
5.根据权利要求4所述的一种相机的空间位姿估计方法,其特征在于,剔除M
6.根据权利要求1所述的一种相机的空间位姿估计方法,其特征在于,所述根据保留的特征点在现实世界坐标系下的位置关系,利用LHM算法估计相机的空间位姿;包括:将特征点在世界坐标系下的坐标和其在相机坐标系下的坐标输入MATLAB软件中的LHM函数中,由LHM函数计算得到相机的空间位姿估计结果。