申请/专利权人：武汉大学

申请日：2022-02-21

公开（公告）日：2024-04-26

公开（公告）号：CN114623817B

主分类号：G01C21/00

分类号：G01C21/00;G01C21/16;G01C21/18

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2022.07.01#实质审查的生效;2022.06.14#公开

摘要：本发明公开了一种基于关键帧滑窗滤波的含自标定的视觉惯性里程计方法，属于多传感器融合导航定位领域。传统的滤波方法会按时间推移不断的去除老旧的状态量，在退化运动的情况下，保留的状态量对应的帧束之间没有足够的视差，所以难以约束运动并导致漂移。本发明方法包括图像特征提取、基于关键帧的特征关联、滤波器初始化、基于IMU的状态推算、利用特征观测更新滤波器和基于关键帧的状态量管理这几个步骤，可以实时的对传感器的几何参数进行估计。本发明方法基于关键帧组织状态量，在退化运动时，这些关键帧束对应的状态量不会被去除，所以仍然可以保证良好的观测，避免了漂移，本发明是第一个支持自校准的基于关键帧的滑窗滤波方法。

主权项：1.一种基于关键帧滑窗滤波的含自标定的视觉惯性里程计方法，其特征在于，包含以下步骤：首先在设备上固定安装一个IMU和N个相机，相机用于采集图像帧束的序列，IMU用于采集3轴加速度计数据和3轴陀螺仪数据，然后通过滤波器执行以下步骤估计设备的状态和参数，以及不确定度；以下将位置、速度、姿态以及相机和IMU的参数总称为状态向量，这些状态向量的不确定度由状态向量的协方差来描述；为简化起见，在同一个时刻t的位姿和速度简称为导航状态量；步骤1，对于由N个相机捕获的含N帧时间相近的图像的帧束j，检测每张图像中的特征点，并对这些特征点生成描述子，即特征向量；步骤2，利用步骤1提取的特征描述子进行基于关键帧的特征匹配；步骤3，滤波器尚未初始化时，将通过帧束中的特征轨迹和IMU数据初始化状态向量和协方差；步骤4，在滤波器完成初始化的情况下，对于完成特征匹配的帧束j，根据IMU的数据，从帧束j-1对应的位姿和速度递推估算帧束j对应时刻tj的位姿和速度，并克隆推算的位姿和速度以扩充滤波器的状态向量和协方差；步骤5，利用特征点的特征轨迹更新滤波器的状态向量和协方差；步骤6，更新完毕后，检测是否存在冗余帧，并删除冗余帧对应的导航状态量和协方差矩阵相应的行和列；对下一帧束j+1，将重复执行步骤1-6；每次循环都发布滤波器估计的状态向量和协方差，以服务下游的应用。

全文数据：

权利要求：

百度查询： 武汉大学 基于关键帧滑窗滤波的含自标定的视觉惯性里程计方法

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