申请/专利权人：四川大学

申请日：2024-01-08

公开（公告）日：2024-04-09

公开（公告）号：CN117848384A

主分类号：G01C25/00

分类号：G01C25/00;G01C21/20;G01C21/16;G06T7/269;G06T7/35;G06T7/33

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明是基于点线特征融合的单目视觉惯性导航系统Visual‑InertialNavigationSystems,VINS初始化方法。针对VINS系统快速稳定初始化的场景需求，提出了基于单目深度网络估计和图像点线特征融合的快速初始化方法，突破了传统初始化方法在低纹理环境下点特征不稳定和过长时间初始化的限制。通过单目深度网络获得的深度先验信息，构建初始变量线性系统并使用RANSAC剔除异常值，视觉惯性优化进一步精细化结果，提高初始化的可靠性。

主权项：1.基于点线特征融合的单目VINS初始化方法，该方法包括点线特征的匹配追踪、单目深度估计网络深度信息推理、构建线性系统使用RANSAC求解、视觉惯性优化，其特征在于：1对图像序列追踪点线特征追踪，构建线性系统方程，并且使用RANSAC算法剔除异常值，具体流程如下：S1：每帧单目图像先进行直方图均衡化的预处理操作；S2：点特征使用FAST检测算法和LK光流进行检测匹配，光流匹配后使用RANSAC计算基础矩阵方法去除误匹配特征点；S3：线特征使用LSD检测算法和LBD线二进制描述符进行检测和匹配，根据匹配线特征之间夹角角度小于60度进一步去除误匹配；S4：根据IMU的测量值，计算在I0坐标系下的相对旋转和预积分的测量值； S5：利根据MiDas深度估计网络得到窗口内第一帧图像的无尺度深度图，将深度图进行最大最小归一化处理，将推理的深度值归一化到[0,1]；S6：每个特征点在C0坐标系下深度值z表达为z＝adi+b，di表示该特征点在深度图的值，a和b代表估计深度值和真实深度值之间的比例和偏移值，定义线性系统需要计算的最小状态变量； S7：根据点特征和线特征的几何约束构建二次约束的线性方程； 根据线特征上的点投影结果仍在线特征的观测上，构建线特征方程，方程组要满足重力大小恒定的二次约束其中G＝9.8； S8：使用RANSAC算法选择出内点集合求解线性方程组；2恢复窗口内的关键帧位姿信息以及点线特征的空间位置信息，基于点特征重投影误差、线特征重投影误差、IMU预积分误差和不可观测自由度的先验误差来构建VI-BA，对结果进一步优化，具体包含以下步骤：S1：根据窗口帧之间的运动学公式恢复在I0坐标系下窗口内的信息； S2：定义VI-BA问题，使用Ceres迭代求解，得到精细化结果；

全文数据：

权利要求：

百度查询： 四川大学 基于点线特征融合的单目VINS初始化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD