[发明专利]基于视觉和惯性里程定位的方法及装置

说明书

本说明书公开了一种基于视觉以及惯性里程定位的方法及装置，根据图像特征点匹配结果以及惯性测量数据，确定相邻帧的预估位姿变化，并当该预估位姿变化小于预设值时，确定当前帧待解的状态向量，基于目标函数确定该待解的状态向量的变化矩阵、待解系数矩阵以及待解残差矩阵的矩阵关系式，通过忽略该矩阵关系式高阶项，求解环境点向量的变化量以及位姿向量的变化量，最后确定当前帧的位姿。在预估位姿变化较小的情况下，确定位姿变化是线性的且可根据上一帧的系数矩阵、状态向量以及残差推导得到，因此构造了系数矩阵和残差的增量表达式，通过求解增量方程来得到全部状态向量。无需解算当前帧的系数矩阵以及残差，减少了解算复杂度，提高定位效率。

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于视觉以及惯性里程定位的方法以及装置。

背景技术

无源定位技术是指终端在不依赖其他定位设备的情况下，根据自身采集的数据确定自身位置的方法。其中，其他定位设备通常是指定位卫星，例如，全球定位系统的卫星。目前，无源定位技术中一种主要的方案是基于视觉以及惯性里程计(Visual-InertialOdometry，VIO)进行定位，通常称为视觉-惯性里程计定位方法。

在现有技术中，通常基于包含前后端设备的系统实现视觉-惯性里程计定位方法。其中，前端是需要定位的设备，前端中可设置有采集图像数据的图像传感器以及采集惯性数据的惯性测量单元(Inertial measurement unit，IMU)，并将采集的数据进行预处理后发送至后端。后端根据图像预处理的结果以及IMU预处理的结果，进行多源信息融合，计算出前端的位姿。并且，由于位姿解算通常较为复杂因此后端通常为服务器。

其中，计算出前端的位姿常用的一种方法是利用非线性优化方法，根据多源信息解算最优解，并根据解算出的解确定前端位姿。通常来说，需要根据历史上解算出的各帧对应的状态向量，确定各相邻帧之间的系数矩阵和残差，再根据目标函数进行计算，确定当前帧的状态向量。

但是，由于状态向量通常包含了图像特征信息、IMU数据信息、环境特征等信息，因此根据系数矩阵和残差进行计算状态向量非常复杂，导致服务器需要较为强大的算力才能满足需求。而若减少参与计算的帧，则会导致定位精度下降。

发明内容

本说明书实施例提供的基于视觉以及惯性里程定位的方法及装置，用于部分解决现有技术中存在的问题。

本说明书实施例采用下述技术方案：

本说明书提供的基于视觉以及惯性里程定位的方法，包括：

获取当前帧的图像以及惯性测量数据；

确定所述当前帧的图像与上一帧的图像的图像特征点的匹配结果；

根据所述匹配结果以及所述惯性测量数据，确定无人车在当前帧与上一帧之间的预估位姿变化；

当所述预估位姿变化小于预设值时，确定当前帧的待解的状态向量，根据基于先验残差项、视觉残差项以及惯性传感器残差项确定的目标函数以及所述待解的状态向量，确定所述待解的状态向量的变化矩阵、待解系数矩阵以及待解残差矩阵的矩阵关系式，其中，状态向量包含环境点向量以及位姿向量，环境点向量包含各图像特征点对应的环境点的坐标；

根据所述矩阵关系式，确定所述状态向量的变化矩阵中的环境点向量的变化量求解式，对所述求解式进行展开，得到展开后的低阶项和高阶项，并根据将所述求解式展开后的低阶项解算所述环境点向量的变化量；

根据所述矩阵关系式和解算得到的环境点向量的变化量，解算所述位姿向量的变化量；

根据解算得到所述环境点向量的变化量、所述位姿向量的变化量以及上一帧的状态向量，确定当前帧的位姿，以供所述无人车确定控制策略。

可选地，确定当前帧待解的状态向量，具体包括：