[发明专利]用于估计在环境和磁场中运动的对象的运动的方法

说明书

本发明涉及一种用于对在环境(Σ)和周围磁场中运动的对象(1)的运动进行估计的方法，所述方法的特征在于包括以下步骤：(a)采集：通过相对于所述对象(1)固定的惯性测量装置(24)来采集所述对象(1)的加速度和/或角速度的至少一个分量，其称为惯性数据；通过相对于所述对象(1)固定的磁性测量装置(20)来采集在所述磁性测量装置(20)处的磁场的至少一个分量和/或磁场的第i阶导数，其称为磁性数据；通过相对于所述对象(1)固定的光学采集装置(26)来采集所述环境(Σ)的连续图像，其称为视觉数据；(b)由数据处理装置(21，31，41)使用惯性数据及磁性数据和/或视觉数据来估计所述对象(1)的运动的至少一个分量。

一般技术领域

本发明涉及没有GPS的导航领域。

更确切地说，其涉及通过磁力-视觉-惯性技术进行的估计对象的运动的方法。

背景技术

所谓视觉-惯性导航技术或VINS(视觉辅助惯性导航系统)使得可以精确地估计在被视为静态的环境中的固体的速度(并且由此，通过积分，使得可以精确地估计在被视为静态的环境中的固体的位置)。

精确地，作为已经在常规惯性技术中使用的方程的补充，对连续采集的环境的图像进行比较，以根据(通常由惯性单元的陀螺仪测量的)角速度矢量Ω来估计(线性)速度矢量V。还可以从静态环境中采集固体的图像以达到同样的结果。

由于此有关固体速度的信息，对位置的估计的误差在最坏的情况下将与时间成正比，与常规惯性技术不同的是其是时间的二次函数。

这些视觉-惯性技术因此提供了满意度，并且需要比常规惯性方法(基于通过卡尔曼滤波器或另一信息观测器的积分，该信息来自陀螺仪和被嵌入希望估计位置和速度的固体的加速度计：通常，陀螺仪“维持”参考系，其中对加速度计的测量结果的双重时间积分使得可以估计该运动)更低性能的惯性传感器，并且因此体积较小。

因此，至少一个惯性单元被耦合到相对于惯性单元固定的至少一个相机。来源于这些传感器的数据被传送给通过解方程组将位置和速度信息递送给用户的电子采集和计算卡。

然而，目前观察到VINS有以下两个缺陷：

-它们具有高电耗。实际上，然而MEMS类型的标准惯性传感器的消耗是极低的，已经证明相机的电耗、并且特别是处理图像所需的处理器的电耗几乎更大两个数量级(见文献“Vision-inertial Odometry on Chip:An Algorithm-and-Hardware Co-designApproach”.Zhengdong Zhang,Amr Suleiman,Luca Carlone,Vivienne Sze,SertacKaraman,2017)。因此认识到对CPU架构上的系统进行操作需要约10瓦的功率，如果系统由电池供电，则这是有问题的。

-它们需要容易区分的环境的图像，这意味着它们经常被用于通常标配有相机并且在具有灯火和各种景观的外部环境(特指“在户外”，通常指自然或都市)中运动的无人机，但是它们在内部环境(特指“在户内”)中遇到诸如黑暗的隧道或具有含纹理很少的墙壁的房间的情况下几乎无法工作。另外，面对这种情况的系统的反应是增大相机的增益，这增大了图像中的噪声。可替选地，可以提供具有更好质量(对光更灵敏)的相机，这除了显著地体积(传感器和镜头尺寸)更大以外，消耗也超过低档相机。类似地，在其中相机被固定在环境中的系统的情况下，可能会有隐藏目标固体的障碍。

此外，这些系统在不同程度上基于视场主要与世界的静态部分进行交叉的假设，如果场景是动态的，则这种假设可能暂时是错误的。如果可以发现从图像中的动态区域分割出静态区域的纯粹的视觉方法，则所述方法在计算上是密集的，也趋向于增加消耗。

为了解决消耗的问题，可以通过在FPGA上实施大量计算或通过安装ASCI或甚至专用处理器(见例如微软的“HPU”)来改变硬件支持，这仍然非常昂贵。