申请/专利权人：电子科技大学

申请日：2024-02-06

公开（公告）日：2024-04-16

公开（公告）号：CN117705107B

主分类号：G01C21/16

分类号：G01C21/16;G01C21/20

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种基于两阶段稀疏舒尔补的面向视觉惯性定位方法，属于视觉定位技术领域。本发明使用两阶段稀疏舒尔补将对海森矩阵进行降维处理，不仅显著降低了面向视觉惯性定位时的方程组求解的计算量，从而提升面向视觉惯性定位的定位效率，同时还利用海森矩阵的特殊稀疏性来进一步减少降维过程中产生的计算量。此外，本发明方法还通过惯性变量和路标点变量的并行求解模式，以进一步减少冗余计算，提升面向视觉惯性定位的定位效率。本发明实施例方法在保证计算精度的同时提升了同步定位的运算速度，使其更好地应用到自动驾驶，移动机器人，增强现实等应用。

主权项：1.基于两阶段稀疏舒尔补的面向视觉惯性定位方法，其特征在于，包括下列步骤：步骤S1，输入待定位目标的初始位姿；步骤S2，基于置于待定位目标上或待定位目标携带的视觉传感器和惯性传感器，分别获取视觉数据和惯性数据；步骤S3，确定待定位目标的当前位姿：若当前为首次定位处理，则以输入的初始位姿作为待定位目标的当前位姿；否则，以上一时刻更新后的位姿得到待定位目标的当前位姿；步骤S4，基于当前位姿、当前获取的视觉数据和惯性数据构建海森矩阵及其标准向量：按照惯性变量、位姿变量和路标点变量的顺序确定海森矩阵结构和标准向量结构，其中，海森矩阵为方阵，其行和列方向的变量依次为：惯性变量、位姿变量和路标点变量，海森矩阵的标准向量为N维的列向量，行方向的变量依次为：惯性变量、位姿变量和路标点变量，其中，N表示海森矩阵行或列的维度；海森矩阵的矩阵块包括：惯性-惯性矩阵块Hii、惯性-视觉矩阵块Hiv、视觉-惯性矩阵块Hvi、视觉-视觉矩阵块Hvv、视觉-路标点矩阵块Hvm、路标点-视觉矩阵块Hmv和路标点-路标点矩阵块Hmm；标准向量的向量块包括：惯性向量块bi，位姿向量块bv和路标点向量块bm；步骤S5，对海森矩阵和标准向量进行两阶段稀疏舒尔补处理，得到最终的面向视觉惯性同步定位的待求解方程组；步骤S6，对步骤S5得到的待求解方程组进行求解，得到视觉变量；再并行求解惯性变量和路标点变量；步骤S7，基于当前求解得到的视觉变量、惯性变量和路标点变量更新待定位目标在当前时刻的位姿；步骤S8，检测是否收到同步定位结束指令，若否，则返回步骤S2；若是，则输出所有时刻的位姿和路标点变量，基于所有时刻的位姿构成待定位目标的轨迹图，基于所有时刻的路标点变量构成待定位目标的稀疏的点云地图；步骤S5具体包括：步骤S501，对海森矩阵和标准向量进行分块： ；其中，矩阵块包括：惯性-惯性矩阵块Hii、惯性-视觉矩阵块Hiv、视觉-惯性矩阵块Hvi和视觉-视觉矩阵块Hvv；矩阵块包括视觉-路标点矩阵块Hvm；矩阵块包括路标点-视觉矩阵块Hmv；向量块包括惯性向量块bi和位姿向量块bv；步骤S502，求矩阵块Hmm的逆矩阵；步骤S503，对步骤S501的矩阵分块形式进行变换处理： ； ；其中，I表示单位矩阵，表示位姿变量和惯性变量，表示路标点变量；步骤S504，得到第二阶段的标准方程需要的新的海森矩阵和标准向量：更新矩阵块为：；并更新标准向量为：；步骤S505，进行第二阶段稀疏舒尔补，得到最终的求解方程组：基于和进行第二阶段的矩阵分块： ；其中，表示位姿变量，表示惯性变量；求矩阵的逆矩阵；对第二阶段的矩阵分块进行变换处理： ； ；得到最终的待求解方程组： 。

全文数据：

权利要求：

百度查询： 电子科技大学 基于两阶段稀疏舒尔补的面向视觉惯性定位方法

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