[发明专利]一种基于视觉的集束优化方法、装置及电子设备

说明书

本发明公开了一种基于视觉的集束优化方法、装置及电子设备，包括：获取车体的世界坐标系的位姿信息；根据车体的世界坐标系的位姿信息构建车体的平滑约束函数，并计算重投影误差函数；构造惯性测量单元的角速度观测值与车体的旋转之间的角速度约束函数；根据车体的世界坐标系的位姿信息以及车体的平滑约束曲线，确定车体的运动方向，基于车体的运动方向和车体的世界坐标系的位姿信息，生成车体的运动约束函数；根据车体的平滑约束曲线、重投影误差函数、运动约束函数以及角速度约束函数构建误差函数，并对误差函数进行联合优化，生成优化后的车体坐标系的位姿信息。本申请方案可提升基于视觉的集束优化方法的稳定性和精度。

技术领域

本发明涉及无人驾驶技术领域，具体涉及一种基于视觉的集束优化方法、装置及电子设备。

背景技术

无人驾驶技术作为当今世界最具潜力之一的技术，代表了汽车产业发展的战略方向，已成为国际国内新一轮科技革命和产业变革竞争的战略制高点。为满足无人驾驶的实时性和可靠性要求，无人驾驶车辆通常配备有视觉相机、惯性测量单元、激光雷达和轮速计等多种传感器。相机能够感知的外界信息最丰富，因此视觉相机是无人驾驶车辆的常用基本配置。为了对多相机成像系统采集的图像信息进行分析与运算，需要将多相机的图像信息转换到同一坐标系下进行描述.

在SLAM(Simultaneous Localization and Mapping，即时定位与地图构建)流程中通常通过集束优化来对后端进行优化。集束优化通过最小化投影和观测点之间的几何距离所对应的重投影误差，并同时优化6-DoF(6个自由度)相机位姿和地标的三维坐标。集束优化高度依赖于SLAM前端位姿求解器的初始化结果，然而，在实际应用中存在许多复杂和具有挑战性的场景，这使得前端求解器很可能得到较差的结果，会使得轨迹产生跳变等现象，从而对下游的规划与控车等模块产生很大影响。视觉SLAM框架中的轨迹通常由一系列离散的相机位姿来表示，每个位姿都与一个观测的图像相关联，这种离散的表示方法过于笼统，没有遵循车辆运动的运动学约束，因此目前基于视觉优化方法稳定性弱于基于激光雷达的优化方法。

发明内容

有鉴于此，本发明实施例提供了一种基于视觉的集束优化方法、装置及电子设备，以解决基于纯视觉的车辆SLAM方法精度和稳定性不高的问题。

根据第一方面，本发明实施例提供了一种基于视觉的集束优化方法，包括：

获取车体的世界坐标系的位姿信息；

根据所述车体的世界坐标系的位姿信息构建所述车体的平滑约束函数，并计算重投影误差函数；

构造所述惯性测量单元的角速度观测值与所述车体的旋转之间的角速度约束函数；

根据所述车体的世界坐标系的位姿信息以及所述车体的平滑约束曲线，确定所述车体的运动方向，基于所述车体的运动方向和所述车体的世界坐标系的位姿信息，生成所述车体的运动约束函数；

根据所述车体的平滑约束曲线、重投影误差函数、运动约束函数以及角速度约束函数构建误差函数，并对所述误差函数进行联合优化，生成优化后的车体坐标系的位姿信息。

结合第一方面，在第一方面第一实施方式中，获取车体的世界坐标系的位姿信息，包括：

将从惯性测量单元识别的车体坐标系的第一相对旋转与相机识别的车体坐标系的第二相对旋转进行融合，得到相邻帧之间所述车体坐标系的相对旋转；

依据所述相邻帧之间所述车体坐标系的相对旋转以及相机识别的车体坐标系的相对位移，推算所述车体的世界坐标系的位姿信息。

结合第一方面第一实施方式，在第一方面第二实施方式中，从惯性测量单元中识别的车体坐标系的第一相对旋转，包括：

获取所述惯性测量单元的角速度观测值，并推算所述惯性测量单元的惯性相对旋转；