[发明专利]一种视觉惯性初始化方法、可移动设备及存储介质

说明书

本申请实施例提供了一种视觉惯性初始化方法、可移动设备及存储介质，方法包括：获取可移动设备的轮速计信息、惯性信息以及相机采集的多个图像帧，在图像帧满足视觉初始化条件的情况下，基于图像帧进行视觉位姿估计，得到初始位姿，在图像帧包括的关键帧满足惯性初始化条件的情况下，基于默认参数进行惯性预积分，得到惯性预积分结果，基于轮速计信息的预积分结果以及关键帧对应的位姿，计算尺度参数和重力参数，以尺度参数和重力参数作为先验约束，确定惯性约束偏置，并基于惯性约束偏置和惯性信息，更新惯性预积分结果，基于更新后的惯性预积分结果、尺度参数以及初始位姿进行联合优化，确定相机的位姿。因此提高视觉惯性初始化效率和精度。

技术领域

本申请涉及视觉初始化技术领域，特别是涉及一种视觉惯性初始化方法、可移动设备及存储介质。

背景技术

机器人等可移动设备依赖视觉惯性系统进行运动和定位，VIO(Visual-InertialOdometry，视觉-惯性里程计)是视觉惯性系统中最核心的部分，包括相机和IMU(InertialMeasurement Unit，惯性测量单元)，通过相机在运动过程中拍摄的连续图像帧计算出相机的位姿，与对IMU测量的惯性数据预积分得到的预测位姿进行联合优化，从而得到可移动设备的运动轨迹。

在可移动设备开始工作时，需要进行视觉惯性初始化，在进行视觉惯性初始化时，目前的方式中，将IMU的所有参数一起加入目标函数进行联合优化。对于在二维空间运动的可移动设备来说，与三维空间运动的可移动设备相比，由于IMU缺少3个方向上的激励，所以采用上述初始化方式则需要进行长时间的联合优化才能完成初始化，同时视觉惯性初始化精度也较低。

发明内容

本申请实施例的目的在于提供一种视觉惯性初始化方法、可移动设备及存储介质，以提高视觉惯性初始化的效率和精度。具体技术方案如下：

第一方面，本申请实施例提供了一种视觉惯性初始化方法，所述方法包括：

获取可移动设备的轮速计信息、惯性信息以及相机采集的多个图像帧；

在所述图像帧满足视觉初始化条件的情况下，基于所述图像帧进行视觉位姿估计，得到初始位姿；

在所述图像帧包括的关键帧满足惯性初始化条件的情况下，基于默认参数进行惯性预积分，得到惯性预积分结果；

基于所述轮速计信息的预积分结果以及所述关键帧对应的位姿，计算尺度参数和重力参数；

以所述尺度参数和所述重力参数作为先验约束，确定惯性约束偏置，并基于所述惯性约束偏置和所述惯性信息，更新所述惯性预积分结果；

基于更新后的惯性预积分结果、所述尺度参数以及所述初始位姿进行联合优化，确定所述相机的位姿。

可选的，所述获取可移动设备的轮速计信息、惯性信息以及相机采集的多个图像帧的步骤，包括：

在可移动设备进行曲线运动的过程中，获取所述可移动设备的轮速计信息、惯性信息以及相机采集的多个图像帧；

所述基于所述轮速计信息的预积分结果以及所述关键帧对应的位姿，计算尺度参数和重力参数的步骤，包括：

对所述轮速计信息进行预积分，得到轮速计位姿；

基于所述轮速计位姿以及所述关键帧对应的位姿，计算尺度先验以及尺度参数偏差；

基于第一法向量和第二法向量，计算重力先验和重力参数偏差，其中，所述第一法向量为所述轮速计位姿组成的平面的法向量，所述第二法向量为所述关键帧对应的位姿组成的平面的法向量。

可选的，所述基于所述轮速计位姿以及所述关键帧对应的位姿，计算尺度先验以及尺度参数偏差的步骤，包括：