[发明专利]一种用轮式里程计-IMU和单目相机实现定位的方法

说明书

本发明公开了一种用轮式里程计‑IMU和单目相机实现定位的方法，主要包括以下步骤：(1)标定相机内参，相机和轮式里程计外参，IMU和相机的外参；(2)从相机拍摄的图像中选取图像关键帧，同时校正图像的畸变，然后提取特征点，进行系统初始化，最后选择初始化成功时的当前帧位姿作为世界坐标系的位姿；(3)根据车体位姿的预估值，将地图点投影到平面图像上；(4)预测车体位姿；(5)建立局部地图；(6)根据局部地图，建立一个关于车体的所有位姿和地图点的优化问题，然后通过光束平差法得到优化后的位姿和地图点；(7)采用词袋(BoW)检测回环，一旦检测到经过了同一个位置，就进行回环校正。

技术领域

本发明属于计算机视觉技术领域，主要是研究的一种用轮式里程计-IMU和单目相机实现定位的方法。

背景技术

随着SLAM技术的发展，地面车辆的定位导航开始由原来在地面铺设一些媒介物(如磁轨、RFID等)实现定位，如[张辰贝西,黄志球,自动导航车(AGV)发展综述[J]信息技术应用.2010.]，现在逐渐地转变为无轨定位的方式。由于相机的成本相对低廉，同时其拍摄的图像能够提供丰富的信息，所以用视觉SLAM(simultaneous localization andmapping)来实现定位导航越来越受到关注，也出现了很多视觉SLAM的方案，如基于RGB_D相机的SLAM方案RGB_D-SLAM[Engelhard N,Endres F,Hess J,et al.Real-time 3D visualSLAM with a hand-held RGB_D camera[C].2011.]；基于特征点法的SLAM方案ORB_SLAM[Murartal R,Tardos J D.ORB-SLAM2:An opensource SLAM system for monocular,stereo and RGB-D cameras[J].2017.]。相关专利有申请号为CN201910919739.5的中国专利《基于视觉SLAM的地图构建的方法、导航系统及装置》，申请号为CN201811318082.9的中国专利《一种基于SLAM的室内定位方法及装置》，但是这些方案都是只使用一个视觉传感器-相机来实现，单目相机会存在尺度不确定的问题，同时在纹理较少的区域，也会出现跟踪丢失的问题。所以后续出现了利用多个传感器融合来解决单一传感器缺点的SLAM方案，如2015年，Michael Bloesch等提出了基于滤波的松耦合方案ROVIO[Bloesch M,Omari S,Hutter M,et al.Robust visual inertial odometry using a direct EKF-basedapproach[C].2015.]。2015年Leutenegger提出了基于图优化的紧耦合方案OKVIS[Leutenegger S,Lynen S,Bosse M,et al.Keyframe-based visual-inertial odometryusing nonlinear optimization[J].2015.]，将IMU的误差以全概率的形式融合到路标的重投影误差里，构成将被优化的联合非线性误差函数，进而最小化从相机帧中观察到的地标的重投影误差。2017年，香港科技大学沈劭劼团队提出了基于图优化的紧耦合方案VINS[Tong Qin,Peiliang Li,and Shaojie Shen.VINS-Mono:A robust and versatilemonocular visual-inertial state estimator[J].2017.]，考虑到优化过程中每次迭代都要计算积分的操作太耗时了，所以VINS引入了预积分的思想，将一个时间段内数百个惯性测量的积分结果作为一个相对运动约束，引入了预积分的IMU模型能完美地融合到视觉－惯性的因子图中。使得VINS成为一套具有自动初始化，在线外参标定，重定位，闭环检测，以及全局位姿图优化功能的完整SLAM系统。