申请/专利权人：西北工业大学

申请日：2024-02-21

公开（公告）日：2024-04-30

公开（公告）号：CN117739996B

主分类号：G01C21/20

分类号：G01C21/20;G01C21/16;G01C21/18

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本公开实施例是关于一种基于事件相机惯性紧耦合的自主定位方法。本公开实施例对事件相机输出的事件相机信息建立事件帧表征模型和活动事件表面表征模型，对事件帧进行基于异步事件流的运动补偿并对活动事件表面表征模型进行基于最小时间间隔的平滑，对异步事件流进行关键点的检测和跟踪，对IMU进行预积分；接下来进行基于事件相机的仅视觉初始化，进行事件相机IMU松耦合的联合初始化，对定位系统的外参、IMU陀螺仪偏置、事件相机的初始速度、尺度和重力矢量进行估计。最后建立非线性优化模型，分别构建事件相机测量残差、IMU残差加入优化以得到紧耦合优化模型求解，并求解载体定位结果。

主权项：1.一种基于事件相机惯性紧耦合的自主定位方法，其特征在于，该方法包括：对IMU信息进行预处理，以得到IMU预积分；根据事件相机信息建立事件帧表征模型和活动事件表面表征模型，对事件帧表征模型进行运动补偿，对活动事件表面表征模型进行平滑，再对运动补偿后的事件帧表征模型和平滑后的活动事件表面表征模型进行关键点检测和跟踪，以得到若干个跟踪到的关键点对；其中，事件帧表征模型包括若干个事件点，一个关键点对包括一对关键点；对事件帧表征模型进行运动补偿的步骤中，包括：针对事件帧表征模型中的各个事件点，在像素平面内，根据各个事件点的在第一时刻的位置和事件相机从第一时刻到第二时刻的相对位姿，计算各个事件点在第二时刻的理论位置，以对各个事件点进行运动补偿；根据所有运动补偿后的事件点累积得到运动补偿后的事件帧表征模型；对活动事件表面表征模型进行平滑的步骤中，包括：引入参考时间，若当像素平面内一点产生事件时，当前事件的时间与上次该点产生事件的时间间隔超过参考时间时，则对该点进行SAE更新，以完成对活动事件表面表征模型的平滑；对运动补偿后的事件帧表征模型和平滑后的活动事件表面表征模型进行关键点检测和跟踪，以得到跟踪到的关键点对的步骤中，包括：在平滑后的活动事件表面表征模型上应用Arc*关键点检测方法进行关键点检测，将检测到的关键点对应到运动补偿后的事件帧表征模型中；基于运动补偿后的事件帧表征模型使用KLT光流法对关键点进行跟踪，以得到所有成功跟踪到的关键点对；基于关键点对，进行事件相机的仅视觉初始化，并将事件相机的仅视觉初始化与IMU预积分进行松耦合的联合初始化；根据IMU预积分计算IMU残差，根据关键点对计算事件相机测量残差，并根据IMU残差和事件相机测量残差构建紧耦合优化模型，对紧耦合优化模型进行求解，以得到载体的最优位姿。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于事件相机惯性紧耦合的自主定位方法

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