本发明涉及测距方法，更具体地说是指海上视觉slam位姿估计方法、装置、计算机设备及存储介质。
背景技术：
1、随着自主导航无人侦察系统的不断发展，高精度的载体定位和目标测距成为工程测量过程中至关重要的一环，比如在海上目标测距的过程中。传统的主动式测距技术如激光测距、超声波测距和雷达测距，尽管在某些方面表现出色，但对环境的敏感度高、隐蔽性差，且无法有效识别目标类型，相比较之下视觉测距技术能够规避上述问题，并且通过获取丰富的图像信息，便于对目标种类进行准确识别。orb-slam（同时定位与地图构建，simultaneous localization and mapping）系统作为一种典型的视觉slam方法，在静态环境下表现出良好的准确性、稳定性和实时性。该系统主要由视觉跟踪、局部建图和闭环检测三个并行线程组成。
2、随着技术的进步，在orb-slam基础上进行了多方面的改进和扩展。例如，针对点线特征融合的slam方案、动态环境下的orb-slam2和vins-fusion系统的引入，都在不同场景中提升了系统的鲁棒性和适用性；而且，随着深度学习技术的兴起，基于深度学习语义分割技术的dsp-slam和结合目标检测模型的orb-slam3和yolor等方法，进一步扩展了slam系统在复杂环境中的应用能力。
3、然而，当将slam方法使用在海上进行目标位姿估计时，随着相机在拍摄过程中的移动，部分场景将会离开拍摄范围，导致先前匹配跟踪的特征点逐渐消失，海面上由风浪带来的晃动会使得跟踪特征点消失加快，也就是突然的转向或抖动会导致视频信息变化过快，从而影响特征点匹配的稳定性，进而影响位姿估计的准确率。
4、因此，有必要设计一种新的方法，实现解决海面周期性运动带来的晃动问题而导致特征点匹配稳定性不高的问题，可提高位姿估计的准确率。
技术实现思路
1、本发明的目的在于克服现有技术的缺陷，提供海上视觉slam位姿估计方法、装置、计算机设备及存储介质。
2、为实现上述目的，本发明采用以下技术方案：海上视觉slam位姿估计方法，包括：
3、获取待测距视频；
4、将所述待测距视频输入目标识别模型进行目标识别，以得到目标区域信息；
5、对所述目标区域信息提取orb特征，以得到目标特征点集合；
6、选择关键帧，并提取关键帧对应的orb特征，以得到新特征点集合；
7、判断是否出现特征点跟踪失效；
8、若出现特征点跟踪失效，根据所述新特征点集合结合所述目标特征点集合进行位姿估计和重投影误差优化，以得到位姿信息；
9、输出所述位姿信息。
10、其进一步技术方案为：所述目标识别模型是通过带有船舶标签的海上图像作为样本集训练yolov5网络所得的。
11、其进一步技术方案为：所述判断是否出现特征点跟踪失效之后，包括：
12、若不出现特征点跟踪失效，则根据所述目标特征点集合进行位姿估计，以得到位姿信息。
13、其进一步技术方案为：所述对所述目标区域信息提取orb特征，以得到目标特征点集合，包括：
14、对前一帧图像的目标区域信息提取orb特征，以得到第一集合；
15、对后一帧图像的目标区域信息提取orb特征，以得到第二集合；
16、采用汉明距离匹配方式计算第一集合和第二集合的特征点的距离，以得到各个特征点的汉明距离；
17、对所述第一集合和第二集合进行双向匹配和筛选，以得到匹配特征点；
18、将所述匹配特征点按照汉明距离进行排序，以得到排序结果；
19、筛选所述排序结果中不大于设定阈值的匹配特征点，以得到目标特征点集合。
20、其进一步技术方案为：所述选择关键帧，并提取关键帧对应的orb特征，以得到新特征点集合，包括：
21、确定初始关键帧，并进行orb特征提取，以得到第一提取结果；
22、根据预设的时间和特征点数条件确定第二帧关键帧，并进行orb特征提取，以得到第二提取结果；
23、根据预设的时间和特征点数条件确定第三帧关键帧，并进行orb特征提取，以得到第三提取结果；
24、根据所述第一提取结果、第二提取结果以及第三提取结果确定新特征点集合。
25、其进一步技术方案为：所述根据所述新特征点集合结合所述目标特征点集合进行位姿估计和重投影误差优化，以得到位姿信息，包括：
26、将所述新特征点集合与所述目标特征点集合进行匹配，以更新所述目标特征点集合；
27、根据所述目标特征点集合采用最小二乘法计算位置姿态矩阵，以得到位姿信息。
28、本发明还提供了海上视觉slam位姿估计装置，包括：
29、视频获取单元，用于获取待测距视频；
30、识别单元，用于将所述待测距视频输入目标识别模型进行目标识别，以得到目标区域信息；
31、提取单元，用于对所述目标区域信息提取orb特征，以得到目标特征点集合；
32、选择单元，用于选择关键帧，并提取关键帧对应的orb特征，以得到新特征点集合；
33、判断单元，用于判断是否出现特征点跟踪失效；
34、位姿计算单元，用于若出现特征点跟踪失效，根据所述新特征点集合结合所述目标特征点集合进行位姿估计和重投影误差优化，以得到位姿信息；
35、输出单元，用于输出所述位姿信息。
36、其进一步技术方案为：还包括：
37、位姿估计单元，用于若不出现特征点跟踪失效，则根据所述目标特征点集合进行位姿估计，以得到位姿信息。
38、本发明还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
39、本发明还提供了一种存储介质，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的方法。
40、本发明与现有技术相比的有益效果是：本发明通过从待测距视频中识别目标，提取orb特征点集合，随后，在关键帧上进行特征点匹配并检测跟踪失效。如果跟踪失败，使用新特征点结合目标特征点进行位姿估计和误差优化，实现解决海面周期性运动带来的晃动问题而导致特征点匹配稳定性不高的问题，可提高位姿估计的准确率。
41、下面结合附图和具体实施例对本发明作进一步描述。
1.海上视觉slam位姿估计方法，其特征在于，包括：
2.根据权利要求1所述的海上视觉slam位姿估计方法，其特征在于，所述目标识别模型是通过带有船舶标签的海上图像作为样本集训练yolov5网络所得的。
3.根据权利要求1所述的海上视觉slam位姿估计方法，其特征在于，所述判断是否出现特征点跟踪失效之后，包括：
4.根据权利要求1所述的海上视觉slam位姿估计方法，其特征在于，所述对所述目标区域信息提取orb特征，以得到目标特征点集合，包括：
5.根据权利要求1所述的海上视觉slam位姿估计方法，其特征在于，所述选择关键帧，并提取关键帧对应的orb特征，以得到新特征点集合，包括：
6.根据权利要求1所述的海上视觉slam位姿估计方法，其特征在于，所述根据所述新特征点集合结合所述目标特征点集合进行位姿估计和重投影误差优化，以得到位姿信息，包括：
7.海上视觉slam位姿估计装置，其特征在于，包括：
8.根据权利要求7所述的海上视觉slam位姿估计装置，其特征在于，还包括：
9.一种计算机设备，其特征在于，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的方法。
10.一种存储介质，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如权利要求1至6中任一项所述的方法。
