基于数据驱动的视觉位姿估计方法

本申请涉及一种基于数据驱动的视觉位姿估计方法。所述方法包括：构建视觉位姿估计模型，高效特征提取与匹配模块通过轻量化网络提取输入图像的多层级深度特征，经局部聚合、下采样后跨视角匹配生成稠密匹配点对集合。两阶段层级位姿估计模块通过多视几何解算与深度回归结果加权融合生成粗位姿，以粗位姿为先验计算几何残差和置信度得分，得到位姿中间结果。可微先验引导RANSAC优化模块据此构建采样概率分布，生成软加权系数并估计几何模型，输出初步优化位姿。构建联合损失函数，迭代更新模型参数，利用训练好的模型输出最终相机相对位姿。采用本方法能够在保持几何可解释性的同时显著提升估计精度与运算效率。