[发明专利]一种基于环境约束下的视觉-惯性运动估计方法

说明书

本发明请求保护一种基于环境约束下的视觉‑惯性运动估计方法，该方法是采用如下步骤实现的：(1)在载体上安装捷联惯导系统和单目相机，完成惯导和相机的校准，并在场景内放置AprilTag标签。(2)由单目相机获取未失真的图像，然后由AprilTag标签检测器处理图像，分配给图像与标签相关联的唯一标识符号id，并且标签检测器通过迭代优化标签上3D角点的重投影误差来估计每个标签和单目相机之间的相对转换；(3)通过分析IMU测量模型和相机观测模型，把标签的位姿也包含到滤波器状态中，来建立EKF滤波器的状态和预测模型。(4)使用标签角点的重投影误差作为卡尔曼滤波器更新项来执行更新步骤，最后得到精准的运动估计。

技术领域

本发明属于组合导航定位领域，特别涉及一种基于环境约束下的视觉惯性运动估计方法。

背景技术

机器人、无人机等运动物体在执行任务时，最重要的是估计它们相对于其工作空间的状态，得到它们的位姿和速度信息以便用于控制、运动规划、导航以及与环境的交互或验证。通常使用运动捕捉系统来获得运动物体的状态估计，但是这些系统通常很昂贵，工作空间大小有限并且不适合户外应用。而成本低廉的惯性传感器(IMU)和视觉传感器(相机)在定位时因具有良好的互补性，成为运动状态估计的完美组合。IMU可以根据自身的运动信息估计载体的运动，而视觉则以特征点匹配等方式得到自身的运动估计。

目前，许多不同的运动估计算法已经被开发出来。其中，M.Faessler[M.Faessler,E.Mueggler,K.Schwabe,and D.Scaramuzza,“A monocular pose estimationsystembased on infrared leds,”in IEEE International Conference on Roboticsand Automation,2014]等，所提出的估计方法在遮挡或运动模糊期间无法提供任何估计，而且只能根据位置和方向估计来计算线速度。J.Sola[J.Sola,T.Vidal-Calleja,J.Civera,and J.M.M.Montiel,“Impact of landmark parametrization on monocularekf-slamwith points and lines,”International journal of computer vision,vol.97,no.3,2012]等人提出了单目SLAM方法。但是，该测量没有融合惯性测量数据，因此不能提供绝对尺度。M.Bryson[M.Bryson and S.Sukkarieh,“Building a robustimplementation of bearing-only inertial slamfor a uav,”Journal of FieldRobotics,vol.24,no.1-2,pp.113–143,2007.]等人出了一种基于人工标记的SLAM方法。但是，此处基准点仅表示为点特征，因此仅估计了基准点的3D位置。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于环境约束下的视觉惯性运动估计方法，将纸质的人工地标(具有6DOF的标签)和单目视觉惯性SLAM相结合，使用扩展卡尔曼滤波器(EKF)将惯性测量值和对人工视觉标记上角点的观测紧密地融合在一起，可精确的估算出运动物体相对于工作空间的位姿和速度的信息，并且该方法可在室内或室外场景中使用，以方便将其应用于控制、运动规划、导航等任务中。本发明的技术方案如下：

一种基于环境约束下的视觉-惯性运动估计方法，其包括以下步骤：

步骤1，在载体上安装捷联惯导系统和单目相机，完成捷联惯导系统和单目相机的校准，并在场景内放置AprilTag标签；

步骤2，由单目相机获取未失真的图像，然后由AprilTag标签检测器处理单目相机获取的图像，分配给图像与标签相关联的唯一标识符号id，标签检测器通过迭代优化标签上3D角点的重投影误差来估计每个标签和单目相机之间的相对转换；