宽视角相机相对姿态测量方法研究

针对目前相机姿态估计方法都存在视觉局限性的问题,使用鱼眼镜头作为视觉传感器进行姿态估计,进而实现宽视角相机相对姿态估计。但鱼眼成像在具有宽视场优点的同时,伴随着严重的非线性畸变导致其在不同的方位和距离下具有不同畸变扩散的问题,为此提出了一种直接利用鱼眼图像的非线性进行相机相对姿态测量的方法。首先,构建鱼眼数据集kitti_FE;其次,使用卷积神经网络进行特征提取后结合长短时记忆网络进行双向循环训练,实现相机相对姿态的端对端输出;最后利用迁移学习的方法对实际场景进行相机姿态估计。为了验证所提方法的鲁棒性和精确度,在相同实际场景下,利用所提方法分别与现有框架CNN、DeepVO和CNN-LSTM-VO-cons进行对比。实验表明,该方法分别比现有框架的相机姿态估计精度提高了32%、29%和25%,而且在高速运动下该方法更具有稳定性。