[实用新型]一种基于改进图优化SLAM的地空协同视觉导航装置

说明书

本实用新型公开了一种基于改进图优化SLAM的地空协同视觉导航装置，属于导航技术领域，使用传感器结合动力结构分别构成空中和地面的智能体，在各个智能体中，搭载了改进图优化地空协同视觉导航方法，该方法包含四个模块：信号采集模块用于采集位置信号和位置环境下的视觉信号；前端处理模块用于对采集到的信息进行处理，将各种信号转换为矩阵；后端处理模块使用由前端提供的矩阵进行位子估计和状态更新；改进图优化算法模块用于加快后端模块计算速度，降低后端模块的计算压力，通过使用以上方法，对放置于未知环境下的多智能体系统进行定位导航系统的优化，提高导航系统的定位精度，加快定位速度，同时降低计算复杂度。

技术领域

本实用新型属于导航技术领域，具体涉及一种基于改进图优化SLAM的地空协同视觉导航装置。

背景技术

视觉导航系统近年来成为导航研究中较为热门的研究领域。从1986年即时定位与地图构建(SLAM)提出以来，得到了迅猛的发展。而这一技术更多应用于如无人机，无人车等智能无人设备中。当移动机器人进入一个陌生环境中时，需要通过自身的传感器对环境地图进行构建，并同时确定自身在地图中的位置。由于相机具有体积小，重量轻，价格便宜等优良特点，且摄像机可以获得场景中二维信息，并通过相应算法得到位姿信息和运动状态信息，使得SLAM有了长足的发展。

传统的单目相机由于缺少深度无法提供足够维度的信息以供解算，因此在精度方面导致效率不高；而双目相机和深度相机虽然解决的数据维度的问题，但是也增加了硬件体积，使得在无人机等一些应用场景下无法发挥作用。经典的单目视觉SLAM算法采用基于点特征的卡尔曼滤波(EKF)实现定位与建图，这一方法的主要思想是使用状态向量存储相机的位姿信息和地图中特征点的三维坐标，用概率密度函数表示观测的不确定性，通过对观测模型的递归计算，最终获得更新状态向量的均值和方差，但是由于引进了EKF，对于SLAM算法计算的时间和空间复杂度带来了不确定性和线性化问题，同时，使用点特征方法增大了矩阵的维度，也增加了计算的复杂度。

为了弥补EKF的线性化结果带来的影响，先后出现了无迹卡尔曼滤波，粒子滤波等多种滤波方式。这些方法虽然解决了EKF的线性化问题，但是计算复杂度上依然没有显著地提升。目前，SLAM技术大多应用于单一无人设备中，在一些多设备协同的场景下，多个单一无人设备在同一场景中会重复多次处理相同的特征，这对于整个群体在计算资源上产生了浪费。对于群体智能设备(多智能体)而言，现阶段研究更多停留在既定路线的规划上，诸如蜂群，蚁群等研究在路径规划领域有极其显著的效果，但在陌生环境下，路径规划系统难以发挥自身优势，使得多智能体在处理这类场景时仍然存在系统效率低下，系统运行不稳定，导航精度低等问题。

发明内容

本实用新型提供了一种基于改进图优化SLAM的地空协同视觉导航装置，解决了现有技术中面对多智能体置于位置场景下导航效率低，系统运行不稳定等问题。

为实现以上目的，本实用新型采用以下技术方案：

一种基于改进图优化SLAM的地空协同视觉导航装置，包括：信号采集模块，前端处理模块，后端处理模块，信息通讯模块；所述信号采集模块包括单目视觉传感器；所述前端处理模块包括信号处理系统与数传；所述后端处理模块包括数据计算系统；所述信息通讯模块包括数传模块和图传模块；所述信号采集模块将视频信号采集后，传送给所述前端处理模块进行前期处理，得到关键帧信息与特征点信息后，传送给所述后端处理模块，所述后端处理模块对对应关键帧的特征点进行位姿解算和状态估计，并将结果传送给控制系统，各个模块之间以及各个模块与控制系统之间的联系都依靠信息通讯模块实现。