[发明专利]一种应用于不动产测量基于优化的视觉惯性组合测量方法

权利要求书

1.一种应用于不动产测量基于优化的视觉惯性组合测量方法，其特征在于，该方法包括以下步骤：

S1，对相机采集的图像提取Harris角点，利用金字塔光流法跟踪相邻帧图像并进行特征点跟踪与匹配，然后通过RANSAC算法去除误匹配；

S2，对两帧图像之间IMU采集的数据进行积分，得到当前时刻载体的位置、速度和姿态，同时计算在接下来非线性优化中将用到的相邻帧图像间IMU数据的预积分量；

S3，利用SFM方法进行纯视觉初始化，估计滑动窗口内采集每帧图像时的相机位姿，然后与IMU数据预积分量进行对齐求解初始化参数；

S4，将先验信息约束、IMU约束以及视觉约束放在一个大的目标函数F(χ)中进行非线性优化，求解滑动窗口内所有关键帧图像时刻的载体的位置、速度、姿态以及IMU的bias；

S5，对S4中建立的非线性优化目标函数F(χ)采用LM算法进行迭代求解，求解使F(χ)取得最小值时的χ；

S6，对于新加入到滑动窗口中的图像和IMU数据，不断重复步骤S4和S5，输出载体最优的轨迹变化，提高不动产的测量定位精度。

2.如权利要求1所述的一种应用于不动产测量基于优化的视觉惯性组合测量方法，其特征在于，所述步骤S2中，相邻帧图像间IMU数据的预积分量计算公式为：

其中，i和j表示相邻帧图像的时刻，a和ω表示IMU输出的数据，采用中值法进行计算：

3.如权利要求1所述的一种应用于不动产测量基于优化的视觉惯性组合测量方法，其特征在于，所述步骤S3中，初始化参数主要包括重力向量方向、视觉尺度因子以及载体在各图像帧时刻的初始速度以及初始位姿，并根据重力向量方向确定全局参考坐标系。

4.如权利要求1所述的一种应用于不动产测量基于优化的视觉惯性组合测量方法，其特征在于，所述步骤S4中，建立的目标函数为：

其中，χ为滑动窗口中需要优化的状态量，具体为χ＝[x₁,x₂,…,x_s,λ₁,λ₂,…,λ_t]，{b_p,Λ_p}是系统的先验信息；Α是IMU预计分量的集合，B是滑动窗口中所有帧图像对所有特征点观测量的集合；和分别是IMU预计分量和视觉测量值的误差。

5.如权利要求1所述的一种应用于不动产测量基于优化的视觉惯性组合测量方法，其特征在于，所述步骤S5中，使用LM算法求解的正规方程为：初始值μ₀的选取策略是，对J^TJ做特征值分解，即J^TJ＝VΛV^T，μ₀和J^TJ最大特征值处于同一个数量级；μ的更新策略通过比例因子ρ来确定，见下式：

如果ρ＜0，则说明误差函数增大，此时拒绝此次的迭代更新，并增大阻尼因子μ，减小Δχ的步长；如果ρ接近1或者比较大，可以减小阻尼因子μ，增大Δχ的步长，提高迭代效率；如果ρ是比较小的正数，说明原函数下降幅度太小，f(χ)在处的一阶近似模型不能较好地拟合原函数，此时需要增大阻尼因子μ，减小Δχ的步长；μ采用如下更新策略：

ifρ＞0

else

μ＝μ*υ；υ＝2*υ。