本申请涉及计算机技术领域，尤其涉及一种视觉定位方法及装置。
背景技术：
目前，视觉定位系统通常由前端和后端组成，其中，前端为采集图像数据、进行特征点提取及特征点匹配的终端，例如，机器人、车辆等，后端为根据前端匹配到的特征点进行优化处理、定位以及构建地图的设备，通常为服务器。其中，前端确定出的特征点匹配的准确度，直接影响后端定位以及构建地图的精度，特征点匹配的准确度越高，视觉定位系统的精度越高。
一般地，在现有技术中为了提高特征点匹配的准确度，前端还可以对匹配后得到的特征点对进行筛选。首先前端可对采集连续两帧图像(即，第一图像以及第二图像)分别进行特征点提取，确定第一图像包含的各第一特征点以及第二图像包含的各第二特征点。之后通过光流跟踪确定第一特征点与第二特征点之间的匹配关系，将匹配的第一特征点以及第二特征点作为特征点对。最后对各特征点对进行筛选。
具体的，在对特征点对进行筛选时，前端可根据各特征点对中各特征点的位置坐标，确定对应于两帧图像的基本矩阵。根据确定出的基本矩阵，通过随机抽样一致(randomsampleconsensus，ransac)算法剔除外点(即，第一特征点与第二特征点匹配度较低的点)，并将确定出的内点(即，第一特征点与第二特征点匹配度较高的点)发送至后端进行定位。
但是，当通过ransac剔除的外点占比较大时，说明光流跟踪确定出的特征点对并不准确，使得根据基本矩阵不能准确剔除外点。或者当确定出的特征点对数量较少时，也会导致确定出的基本矩阵的准确度降低，进一步导致ransac算法剔除外点不够准确，影响后端定位以及构建地图的精度。
技术实现要素：
本说明书实施例提供一种视觉定位方法及装置，用于部分解决现有技术中存在的上述问题。
本说明书实施例采用下述技术方案：
本说明书提供的一种视觉定位方法，包括：
确定图像传感器采集的连续两帧图像，并根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据；
根据所述位姿变化数据，确定所述两帧图像的本质矩阵；
分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，所述特征点对中的两个特征点分别位于不同的图像；
针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度；
根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。
可选地，根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据，具体包括：
确定采集所述两帧图像期间，惯性测量单元采集到的惯性数据；
根据所述两帧图像以及所述惯性数据，确定所述图像传感器的运动轨迹；
根据确定出的运动轨迹，确定所述图像传感器的位姿变化数据。
可选地，根据所述位姿变化数据，确定所述两帧图像的本质矩阵，具体包括：
根据所述位姿变化数据，确定所述图像传感器的位移以及旋转矩阵；
根据确定出的位移以及旋转矩阵，确定所述两帧图像的本质矩阵。
可选地，所述连续两帧图像按照采集先后顺序分为第一图像以及第二图像；
分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，具体包括：
确定两帧图像中第一图像的特征点作为第一特征点，确定第二图像的特征点作为第二特征点；
通过光流跟踪对各第一特征点与各第二特征点进行特征点匹配，确定各特征点对。
可选地，针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度，具体包括：
针对确定出的每个特征点对，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标；
根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及本质矩阵，确定该特征点对中两个特征点的第一匹配度；
其中，所述位置坐标为在所述图像传感器坐标系下的位置坐标。
可选地，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标，具体包括：
分别将该特征点对中的第一特征点的位置坐标以及第二特征点的位置坐标进行归一化处理，确定归一化后第一特征点的位置坐标以及第二特征点的位置坐标。
可选地，所述方法还包括：
确定所述本质矩阵对应的位移和旋转矩阵；
当确定出的位移小于第一预设阈值时，针对确定出的每个特征点对，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标；
根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及旋转矩阵，确定该特征点对中两个特征点的第二匹配度。
可选地，所述预设阈值区间包含第一子区间以及第二子区间；
根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，具体包括：
当所述位移大于所述第一预设阈值时，确定所述第一匹配度落入第一子区间的特征点对；
当所述位移小于所述第一预设阈值时，确定所述第二匹配度落入第二子区间的特征点对。
本说明书提供一种视觉定位装置，包括：
位姿变化数据确定模块，确定图像传感器采集的连续两帧图像，并根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据；
本质矩阵确定模块，根据所述位姿变化数据，确定所述两帧图像的本质矩阵；
匹配模块，分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，所述特征点对中的两个特征点分别位于不同的图像；
匹配度确定模块，针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度；
视觉定位模块，根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。
本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述视觉定位方法。
本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述视觉定位方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
在进行视觉定位时，可先确定图像传感器采集的连续两帧图像，并根据该两帧图像以及惯性测量单元采集到的惯性数据，确定该图像传感器的位姿变化数据，之后根据该位姿变化数据，确定该两帧图像的本质矩阵，再分别确定该两帧图像中的特征点进行匹配，得到各特征点对，其中，特征点对中的两个特征点分别位于不同的图像，然后针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度，最后根据预设阈值区间，从各特征点对中确定匹配度落入该预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。通过本质矩阵确定各特征点对的匹配度，以筛选出匹配度较高的特征点发送至后端，则后端根据匹配度高的特征点对进行视觉定位，定位更准，构建地图的精度更高。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本说明书实施例提供的一种视觉定位方法的示意图；
图2为本说明书实施例提供的特征点匹配的示意图；
图3为本说明书实施例提供的进行归一化处理的示意图；
图4为本说明书实施例提供的一种视觉定位的装置的结构示意图；
图5为本说明书实施例提供的实现视觉定位方法的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
现有技术中在对匹配后得到的特征点对进行筛选时，还可通过比较特征点对中第一特征点以及第二特征点分别对应区域的图像相似度，对特征点对进行筛选。具体的，以图像传感器采集的连续两帧图像依次为第一图像和第二图像为例，当前端通过光流跟踪确定各特征点对后(即，确定第一特征点与第二特征点之间的匹配关系后)，前端可针对每个特征点对，先确定该特征点对中第一特征点在第一图像中对应的第一区域，以及第二特征点在第二图像中对应的第二区域，之后通过图像匹配算法确定第一区域与第二区域之间的图像相似度，最后将图像相似度小于第二预设阈值的特征点对作为外点进行剔除，将相似度大于第二预设阈值的特征点作为内点对发送至后端进行视觉定位。其中，第二预设阈值可根据需要设置，例如，预设相似度阈值为80％，本说明书对此不做限定。
但是，根据图像相似度进行筛选的方法，通常适用于图像传感器在采集两帧图像时位姿变化较小的情况，若图像传感器从采集第一图像到采集第二图像发生旋转或视角改变较大，即使匹配正确的第一特征点对应的第一区域与第二特征点对应的第二区域，也有可能图像相似度较低，而被作为外点筛除。因此筛选效果较差，发送至后端的特征点对不够准确，影响后端定位以及构建地图的精度。此外，通常特征点对的数量越多，后端定位精度越高，但是由于进行图像相似度计算的消耗较高(如，对算力的消耗，对电能的消耗)，因此当确定出的特征点对数量较多时，会导致前端计算量大大增加，使前端的运行压力增大。
于是本说明书提供的视觉定位方法，以部分解决现有技术中存在的上述问题。以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本说明书实施例提供的一种视觉定位方法，具体可包括以下步骤：
s100：确定图像传感器采集的连续两帧图像，并根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据。
视觉定位系统通常由前端和后端组成，其中，前端主要用于采集图像数据、并进行特征点提取及特征点匹配，而后端则根据前端匹配到的特征点进行定位以及建图。其中，由于前端进行特征点匹配得到的特征点对不完全准确，因此为了提高视觉定位系统的定位精度，前端可对得到的特征点对进行筛选，以筛选出匹配度高的特征点对，进行视觉定位。
由于仅采用图像处理方法对特征点对进行筛选，难以准确筛选特征点对，因此在本说明书一个或多个实施例中前端可通过惯性测量单元(inertialmeasurementunit，imu)芯片采集的惯性数据，确定图像传感器采集图像过程中的位姿变化，并将确定出的位姿变化作为约束条件，对匹配得到的特征点对进行筛选，使得前端可向后端输出更准确的特征点对，提高后端的定位精度。其中，该图像传感器与该惯性测量单元均位于前端，该惯性测量单元采集到的惯性数据可认为是该图像传感器的惯性数据。
具体的，首先前端可确定图像传感器采集到的连续两帧图像(即，第一图像以及第二图像)，并确定在该图像传感器采集第一图像到采集第二图像之间，该前端的imu芯片采集到的惯性数据，之后根据该两帧图像以及该惯性数据，确定该图像传感器从采集该第一图像到采集该第二图像的运动轨迹，以根据确定出的运动轨迹，确定该图像传感器从采集该第一图像到采集该第二图像的位姿变化数据，再根据该位姿变化数据，通过后续步骤对匹配后的特征点对进行筛选。其中，图像传感器的位姿包括图像传感器在图像传感器坐标系下的位置以及朝向。
其中，前端具体可根据多状态约束卡尔曼滤波(multi-stateconstraintkalmanfilter，msckf)算法、该两帧图像以及该惯性数据，确定该图像传感器的运动轨迹，在确定运动轨迹时前端可先根据采集到的惯性数据，预测状态向量以及确定预测状态向量的协方差矩阵，再将图像传感器采集该两帧图像时的位姿加入预测状态向量中，同时扩充对应的协方差矩阵，之后根据卡尔曼滤波器的窗口大小，更新窗口参数中包含的各帧图像对应的图像传感器位姿，然后对图像中的特征点进行提取以及匹配，根据匹配得到的特征点对，对图像传感器位姿的约束，更新状态向量以及对应的协方差矩阵，以确定该图像传感器的运动轨迹。当然，由于msckf算法已经是较为成熟的方案，因此本说明书中对该前端具体应用msckf算法确定前端图像传感器的运动轨迹的过程不再进行详细描述。
此外，前端也可直接对imu芯片采集到的惯性数据进行积分，以确定该图像传感器的运动轨迹。或者，前端也可根据该两帧图像以及该惯性数据，通过鲁棒视觉惯性里程计(robustvisualinertialodometry，rovio)算法确定该图像传感器的运动轨迹。本说明书对采用的算法类型不做限制，只要可融合图像信息以及惯性数据确定图像传感器的位姿变化(即，运动轨迹)即可，具体可根据需要设置。
s102：根据所述位姿变化数据，确定所述两帧图像的本质矩阵。
在本说明书实施例中，由于特征点位于两帧图像中，而通过步骤s100确定出的位姿变化数据为图像传感器的位姿变化，因此为了方便根据位姿变化对特征点对进行筛选，前端可根据位姿变化数据，确定两帧图像的本质矩阵。以通过后续步骤根据该本质矩阵确定特征点的变化，对两帧图像中匹配的特征点对进行筛选。其中，本质矩阵用于表征两帧图像中的各像素点在图像传感器坐标系下的位置关系。
具体的，前端可根据确定出的该图像传感器从该第一图像到采集该第二图像相对的位姿变化数据，确定该图像传感器从该第一图像到采集该第二图像相对的位置变化以及朝向变化，之后根据确定出的相对的位置变化以及朝向变化，确定在该图像传感器坐标系下对应的位移以及旋转矩阵，最后根据确定出的位移以及旋转矩阵，通过(e＝t×r)确定该两帧图像的本质矩阵，其中，e表示本质矩阵，t表示图像传感器在图像传感器坐标系下位置变化对应的位移，r表示图像传感器在图像传感器坐标系下朝向变化对应的旋转矩阵。
s104：分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，所述特征点对中的两个特征点分别位于不同的图像。
由于前端imu芯片采集惯性数据可能存在误差，并且msckf算法确定出的运动轨迹也存在误差，因此根据位姿变化数据确定出的本质矩阵也可能存在误差，直接根据本质矩阵对两帧图像中的特征点进行匹配的结果准确度较低。在本说明书中，前端可利用光流跟踪确定两帧图像中的特征点对，并通过本质矩阵对确定出的特征点对进行进一步地筛选，以提高特征点对匹配的准确度。因此前端可先提取该两帧图像中的特征点，再进行特征点匹配，得到各特征点对，以通过后续步骤对匹配得到的各特征点对进行筛选。
具体的，在步骤s100中采集到的连续两帧图像按照采集先后顺序可分为第一图像以及第二图像，前端可确定两帧图像中第一图像的特征点作为第一特征点，确定第二图像的特征点作为第二特征点，之后通过光流跟踪对各第一特征点与各第二特征点进行特征点匹配，确定各特征点对。
其中，通过光流跟踪对各第一特征点与各第二特征点进行特征点匹配，确定各特征点对，具体由前端针对确定出的每个第一特征点，通过光流跟踪确定该第一特征点在该第二图像中匹配到的第二特征点，并将匹配出的该第一特征点以及该第二特征点作为一个特征点对，确定各特征点对。当然，并非所有第一特征点和第二特征点都可对应匹配到特征点，对于未匹配到的第一特征点与第二特征点，则没有对应的特征点对。
如图2所示，在左侧第一图像中，存在第一特征点a0、b0以及c0，在右侧第二图像中，存在第二特征点d1、a1以及b1，通过光流跟踪可确定第一特征点a0对应匹配第二特征点a1，第一特征点b0对应匹配第二特征点b1，第一特征点c0以及第二特征点d1均未对应匹配，则未组成特征点对。
此外，在确定各图像的特征点时，由于在本说明书实施例中，提取特征点的目的是通过进行特征点匹配，确定同一特征点在两帧图像之间的位置变化以确定前端的位置变化，因此特征点应具有不变性、鲁棒性以及可区分性，例如：图像中的角点等，本说明书对特征点的选取不做限定，可根据需要设置。
由于确定出的本质矩阵不够准确，且采用光流跟踪确定出的各特征点对也不够准确，因此可根据本质矩阵，对采用光流跟踪确定出的各特征点对进行进一步地筛选，通过本质矩阵与光流跟踪相互约束的方法，筛选出准确度较高的特征点对。其中，根据光流跟踪确定出的各特征点对，还可确定出该两帧图像的基本矩阵。也就是说，各特征点对应满足该基本矩阵，因此后续步骤根据本质矩阵对特征点对进行进一步筛选，也可视为筛选出既符合基本矩阵，也符合本质矩阵的特征点对。
s106：针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度。
在本说明书实施例中，前端通过步骤s104对该两帧图像进行特征点提取与特征点匹配后，匹配到的各特征点对中第一特征点到第二特征点的位置变化可能不符合图像传感器移动轨迹，因此前端可根据两帧图像的本质矩阵，对匹配后的特征点对进行筛选。
具体的，针对确定出的每个特征点对，前端可确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标，并根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及本质矩阵，确定该特征点对中两个特征点的第一匹配度。
其中，由于本质矩阵表征的是图像传感器坐标系下两帧图像中各像素点的位置关系，因此该位置坐标也应为在该图像传感器坐标系下的三维坐标，以便根据本质矩阵进行特征点对的筛选。在确定该位置坐标时，可先确定该特征点在图像坐标系下的位置坐标，再根据相机内参转换为图像传感器坐标系下的位置坐标。
进一步地，根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及本质矩阵，确定该特征点对中两个特征点的第一匹配度时，由于确定出的各第一特征点以及各第二特征点在同一平面上，位置坐标并无深度含义，因此为方便后续计算，可根据深度值对位置坐标进行归一化处理，将该第一特征点的位置坐标以及该第二特征点的位置坐标分别除以各自对应的深度值，得到进行深度归一化后的第一特征点的位置坐标以及第二特征点的位置坐标。例如，假设确定出的第一特征点的位置坐标为(5，8，2)，则进行深度归一化后的位置坐标为(2.5，4，1)，假设确定出的第二特征点的位置坐标为(2，6，4)，则进行深度归一化后的位置坐标为(0.5，1.5，1)。
更进一步地，由于特征点对越接近图像中心点误差越小，因此为了减少确定匹配度的误差，还需对深度归一化后的第一特征点的位置坐标以及第二特征点的位置坐标，进行进一步的归一化处理，以使特征点的位置坐标接近图像中心点。具体可针对每个第一特征点，将该第一特征点的位置坐标对应归一化至以该第一图像的中心为坐标原点，x轴为(-1，1)，y轴为(-1，1)的正方形中。如图3所示，图3上方为第一图像，各方块分别表示该第一图像中的第一特征点a、b以及c，图3下方中虚线框表示以该第一图像的中心为坐标原点，x轴为(-1，1)，y轴为(-1，1)的正方形，将该第一图像中的第一特征点a、b以及c的位置坐标对应归一化至虚线框中，得到归一化后的第一特征点a’、b’以及c’的位置坐标。同理，针对每个第二特征点，前端也可对该第二特征点的位置坐标进行归一化处理，得到归一化后各第二特征点的位置坐标。
此外，在对各第一特征点的位置坐标以及各第二特征点的位置坐标进行归一化处理后，便可根据归一化后的第一特征点的位置坐标、第二特征点的位置坐标以及该两帧图像之间的本质矩阵，确定该特征点对中两个特征点的第一匹配度。具体的，可根据公式
s108：根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。
在本说明书实施例中，通过步骤s106确定出各特征点对的第一匹配度后，便可根据确定出的第一匹配度，对各特征点对进行筛选，以根据筛选出的各特征点对，进行视觉定位。
具体的，前端可根据预设阈值区间，确定该预设阈值区间的第一子区间以及第二子区间，并从各特征点对中确定第一匹配度落入第一子区间内的特征点对，之后可将确定出的特征点对发送至后端，由后端进行视觉定位。例如，确定出的第一匹配度分别为70％、80％以及90％，而第一子区间为(75％，1)，则第一匹配度为80％以及第一匹配度为90％的特征点对为匹配度落入所述预设阈值区间内的特征点对。其中，预设阈值区间、第一子区间以及第二子区间可根据需要设置，第一子区间与第二子区间可以相同、可以不同，也可以部分重合，本说明书对此不做限定。
基于图1所示的视觉定位方法，在进行视觉定位时可先确定图像传感器采集的连续两帧图像，并根据该两帧图像以及惯性测量单元采集到的惯性数据，确定该图像传感器的位姿变化数据，之后根据该位姿变化数据，确定该两帧图像的本质矩阵，再分别确定该两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，其中，特征点对中的两个特征点分别位于不同的图像，然后针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度，最后根据预设阈值区间，从各特征点对中确定匹配度落入该预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。通过本质矩阵确定各特征点对的匹配度，以筛选出匹配度较高的特征点发送至后端，则后端根据匹配度高的特征点对进行视觉定位，定位更准，构建地图的精度更高。
当步骤s102中确定出的位移大于第一预设阈值时，在上述步骤s106中，可根据公式
此外，在上述步骤s106中，当步骤s102中确定出的位移小于该第一预设阈值时，可认为该两帧图像之间只旋转了角度，而没有位移的改变，对极约束较弱，因此可通过公式e2＝|rp′i-q′i|计算各特征点对的第二匹配度，并将第二匹配度落入第二子区间的特征点对发送至后端进行视觉定位。其中，e2表示特征点对的第二匹配度，r表示两帧图像的旋转矩阵，p′i表示归一化后的第一特征点的位置坐标，i表示各特征点对应的标识，q′i表示归一化后第二特征点位置坐标。e2越趋向于0，表示旋转后的第一特征点与第二特征点之间的距离越小，该特征点对的第二匹配度越高。第一预设阈值可根据需要设置，本说明书对此不做限定。
进一步地，步骤s104可于步骤s100确定图像传感器采集的连续两帧图像之后，步骤s106之前的任一时刻执行，本说明书对此不做限制，可根据需要设置。
更进一步地，在步骤s108中根据筛选出的各特征点对，进行视觉定位时，可由该前端将筛选出的各特征点对、提取出的各第一特征点以及各第二特征点都发送至后端，以进行视觉定位和建图。
当连续两帧图像中存在有重复纹理时，则确定出的各特征点之间的相似度较大，进一步地在后续通过图像匹配算法对各特征点对进行筛选时，针对第一图像中的每个第一区域，在第二图像中存在有若干第二区域与该第一区域的相似度较高，筛选出的特征点对不够准确。本说明书实施例基于该两帧图像以及该惯性数据，通过确定两帧图像之间的本质矩阵，确定符合本质矩阵对应的位置关系的各特征点对，避免了重复纹理的图像各特征点之间相似度较高带来的误差，有效增强了特征点对筛选的准确度，提高了定位精度。
基于图1所示的视觉定位方法，前端可在单目视觉定位或双目视觉定位中进行特征点对的筛选，其中，在双目视觉定位中进行特征点对的筛选时，本说明书实施例可用于对同一图像传感器采集的连续两帧图像之间的特征点对进行筛选的情况。
本说明书实施例还对应提供一种视觉定位装置的结构示意图，如图4所示。
图4为本说明书实施例提供的一种视觉定位装置的结构示意图，所述装置包括：
位姿变化数据确定模块200，确定图像传感器采集的连续两帧图像，并根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据；
本质矩阵确定模块202，根据所述位姿变化数据，确定所述两帧图像的本质矩阵；
匹配模块204，分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，所述特征点对中的两个特征点分别位于不同的图像；
匹配度确定模块206，针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度；
视觉定位模块208，根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。
可选地，所述位姿变化数据确定模块200具体用于，确定采集所述两帧图像期间，惯性测量单元采集到的惯性数据，根据所述两帧图像以及所述惯性数据，确定所述图像传感器的运动轨迹，根据确定出的运动轨迹，确定所述图像传感器的位姿变化数据。
可选地，所述本质矩阵确定模块202具体用于，根据所述位姿变化数据，确定所述图像传感器的位移以及旋转矩阵，根据确定出的位移以及旋转矩阵，确定所述两帧图像的本质矩阵。
可选地，所述连续两帧图像按照采集先后顺序分为第一图像以及第二图像；
所述匹配模块204具体用于，确定两帧图像中第一图像的特征点作为第一特征点，确定第二图像的特征点作为第二特征点，通过光流跟踪对各第一特征点与各第二特征点进行特征点匹配，确定各特征点对。
可选地，所述匹配度确定模块206具体用于，针对确定出的每个特征点对，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标，根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及本质矩阵，确定该特征点对中两个特征点的第一匹配度，其中，所述位置坐标为在所述图像传感器坐标系下的位置坐标。
可选地，所述匹配度确定模块206具体用于，分别将该特征点对中的第一特征点的位置坐标以及第二特征点的位置坐标进行归一化处理，确定归一化后第一特征点的位置坐标以及第二特征点的位置坐标。
可选地，所述匹配度确定模块206具体用于，确定所述本质矩阵对应的位移和旋转矩阵，当确定出的位移小于第一预设阈值时，针对确定出的每个特征点对，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标，根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及旋转矩阵，确定该特征点对中两个特征点的第二匹配度。
可选地，所述预设阈值区间包含第一子区间以及第二子区间，所述视觉定位模块208具体用于，当所述位移大于所述第一预设阈值时，确定所述第一匹配度落入第一子区间的特征点对，当所述位移小于所述第一预设阈值时，确定所述第二匹配度落入第二子区间的特征点对。
本说明书实施例还提供了一种计算机可读存储介质，该存储介质存储有计算机程序，计算机程序可用于执行上述图1提供的视觉定位方法。
基于图1所示的视觉定位方法，本说明书实施例还提出了图5所示的电子设备的示意结构图。如图5，在硬件层面，该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器，当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，以实现上述图1所示的视觉定位方法。
当然，除了软件实现方式之外，本说明书并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice,pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
1.一种视觉定位方法，其特征在于，包括：
确定图像传感器采集的连续两帧图像，并根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据；
根据所述位姿变化数据，确定所述两帧图像的本质矩阵；
分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，所述特征点对中的两个特征点分别位于不同的图像；
针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度；
根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。
2.如权利要求1所述的方法，其特征在于，根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据，具体包括：
确定采集所述两帧图像期间，惯性测量单元采集到的惯性数据；
根据所述两帧图像以及所述惯性数据，确定所述图像传感器的运动轨迹；
根据确定出的运动轨迹，确定所述图像传感器的位姿变化数据。
3.如权利要求1所述的方法，其特征在于，根据所述位姿变化数据，确定所述两帧图像的本质矩阵，具体包括：
根据所述位姿变化数据，确定所述图像传感器的位移以及旋转矩阵；
根据确定出的位移以及旋转矩阵，确定所述两帧图像的本质矩阵。
4.如权利要求1所述的方法，其特征在于，所述连续两帧图像按照采集先后顺序分为第一图像以及第二图像；
分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，具体包括：
确定两帧图像中第一图像的特征点作为第一特征点，确定第二图像的特征点作为第二特征点；
通过光流跟踪对各第一特征点与各第二特征点进行特征点匹配，确定各特征点对。
5.如权利要求4所述的方法，其特征在于，针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度，具体包括：
针对确定出的每个特征点对，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标；
根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及本质矩阵，确定该特征点对中两个特征点的第一匹配度；
其中，所述位置坐标为在所述图像传感器坐标系下的位置坐标。
6.如权利要求5所述的方法，其特征在于，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标，具体包括：
分别将该特征点对中的第一特征点的位置坐标以及第二特征点的位置坐标进行归一化处理，确定归一化后第一特征点的位置坐标以及第二特征点的位置坐标。
7.如权利要求5所述的方法，其特征在于，所述方法还包括：
确定所述本质矩阵对应的位移和旋转矩阵；
当确定出的位移小于第一预设阈值时，针对确定出的每个特征点对，确定该特征点对中第一特征点的位置坐标以及第二特征点的位置坐标；
根据确定出的第一特征点的位置坐标、第二特征点的位置坐标以及旋转矩阵，确定该特征点对中两个特征点的第二匹配度。
8.如权利要求7所述的方法，其特征在于，所述预设阈值区间包含第一子区间以及第二子区间；
根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，具体包括：
当所述位移大于所述第一预设阈值时，确定所述第一匹配度落入第一子区间的特征点对；
当所述位移小于所述第一预设阈值时，确定所述第二匹配度落入第二子区间的特征点对。
9.一种视觉定位装置，其特征在于，包括：
位姿变化数据确定模块，确定图像传感器采集的连续两帧图像，并根据所述两帧图像以及惯性测量单元采集到的惯性数据，确定所述图像传感器的位姿变化数据；
本质矩阵确定模块，根据所述位姿变化数据，确定所述两帧图像的本质矩阵；
匹配模块，分别确定所述两帧图像中的各特征点，并进行特征点匹配，得到各特征点对，所述特征点对中的两个特征点分别位于不同的图像；
匹配度确定模块，针对每个特征点对，根据确定出的本质矩阵，确定该特征点对中两个特征点的匹配度；
视觉定位模块，根据预设阈值区间，从各特征点对中确定匹配度落入所述预设阈值区间内的特征点对，并根据筛选出的各特征点对，进行视觉定位。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1-8任一所述的方法。
11.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-8任一所述的方法。
技术总结