[发明专利]一种基于视觉惯性融合的无人机状态参数初始化方法有效
申请号: | 201910969341.2 | 申请日: | 2019-10-12 |
公开(公告)号: | CN110874569B | 公开(公告)日: | 2022-04-22 |
发明(设计)人: | 耿莉;黄斌;李浩 | 申请(专利权)人: | 西安交通大学 |
主分类号: | G06V20/17 | 分类号: | G06V20/17;G06F17/16;G06F17/11 |
代理公司: | 西安通大专利代理有限责任公司 61200 | 代理人: | 高博 |
地址: | 710049 *** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 视觉 惯性 融合 无人机 状态 参数 初始化 方法 | ||
1.一种基于视觉惯性融合的无人机状态参数初始化方法,其特征在于,包括纯视觉初始化阶段和视觉惯性校准阶段两步,其中,在纯视觉初始化阶段,将要进入最终全局BundleAdjustment优化的特征点进行筛选,只保留处于图像中部的特征点;在视觉惯性校准阶段,只估计重力向量与尺度,取连续3个关键帧k、k+1和k+2作为一组关键帧组建立计算方程,并在一个滑动窗口内选取最新的6帧关键帧作为建立关键帧组的基础对象,确定最终计算维度为16维,采用LDLT矩阵分解法求解方程,完成初始化后用于机体位姿估计;
纯视觉初始化阶段具体为:
先对极约束求解两帧间位姿;然后三角化两帧间特征点;再使用PnP方法求解位姿;对三角化其余特征点;使用PnP方法求解其他位姿;对特征点进行筛选;组合采用全局BundleAdjustment进行优化,采用全局Bundle Adjustment进行优化具体为:
S1071、进入函数后,首先判断是否已遍历所有特征点,如果已遍历,则直接求解BA优化函数后结束;如果没有遍历所有特征点,进入步骤S1072;
S1072、选取一个未经处理的特征点,选取观测到该特征点并未在该点下处理的关键帧,进行筛选;
S1073、判断步骤S1072的特征点是否在该关键帧的边缘,如果不是,则将数据写入BZ优化函数,判断是否已遍历所有关键帧,如果已遍历,则返回步骤S1071,如果未遍历,则返回步骤S1072;
视觉惯性校准阶段具体为:
S201、通过陀螺仪偏置校准;
S202、分别对重力向量和尺度进行初始化;
S203、重新进行关联模型推导,仅估算重力向量和尺度,待估计状态量仅为(3+1)维,较原算法的(3n+3+1)维数大幅减少;
S204、采用LDLT矩阵分解法求解方程,完成初始化。
2.根据权利要求1所述的基于视觉惯性融合的无人机状态参数初始化方法,其特征在于,对特征点进行筛选中,设置筛选阈值将图像长/宽维度上距离图像边缘不足1/10图像长/宽的特征点全部筛掉,保留剩余特征点。
3.根据权利要求1所述的基于视觉惯性融合的无人机状态参数初始化方法,其特征在于,步骤S204具体为:
S2041、进入函数,判断是否已遍历所有关键帧,如果已遍历所有关键帧,则使用LDLT方法求解总方程组,然后取关键帧组求解结果的平均值后结束;
S2042、如果没有遍历所有关键帧,选取下一个关键帧;
S2043、对步骤S2042确定的当前关键帧列写方程,左乘系数矩阵并写入到最终系数矩阵的对应位置,然后返回步骤S2041。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安交通大学,未经西安交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910969341.2/1.html,转载请声明来源钻瓜专利网。