【技术实现步骤摘要】
基于GPS、IMU以及双目视觉的地图构建方法及系统
：本专利技术公开一种基于GPS、IMU以及双目视觉的地图构建方法及系统，涉及到一种基于视觉特征和IMU信息的自主定位与地图构建系统，属于机器人及控制
技术介绍
：近年来，互联网技术的迅速发展给汽车制造工业带来了革命性变化的机会。与此同时，汽车智能化技术正逐步得到广泛应用，这项技术简化了汽车的驾驶操作并提高了行驶安全性。而其中最典型也是最热门的未来应用就是无人驾驶汽车。在人工智能技术的加持下，无人驾驶高速发展，正在改变人类的出行方式，进而会大规模改变相关行业格局。对于行驶在未知区域中的无人驾驶汽车而言，由于楼宇、树木遮挡等原因，汽车常常处于无信号或弱信号的状态，无法提供有效定位；在环境恶劣的地方，因天气等原因GPS或北斗导航系统信号微弱，无法对无人驾驶汽车进行有效的定位。为此，无人驾驶汽车必须具有自主定位与地图构建的能力。通过实时的自主定位与地图构建，获取周围环境信息，确定无人驾驶汽车所处的位置，为路径规划提供重要的依据。同时定位与地图构建(simultaneouslocalizationanmappin...
【技术保护点】
1.一种基于GPS、IMU以及双目视觉的地图构建方法，其特征在于，包括以下步骤：步骤一、初始化无人驾驶汽车或机器人的位姿,确定无人驾驶汽车行驶或机器人运动的轨迹，校正IMU惯性测量单元、双目摄像头等数据保持时间一致性；步骤二、进行IMU惯性测量单元和双目摄像头以及基于RTK解算的GNSS接收器的信息采集与提取，从而进行视觉特征跟踪；步骤三、基于流型的IMU预积分，包括：IMU预积分计算、计算预计分雅可比和协方差矩阵、计算残差雅可比；步骤四、IMU初始化(视觉惯性联合初始化)，这是视觉和惯性数据融合的第一步，是一段松耦合过程，将视觉数据和快速的IMU数据相结合，包括：陀螺仪偏...
【技术特征摘要】
1.一种基于GPS、IMU以及双目视觉的地图构建方法，其特征在于，包括以下步骤：步骤一、初始化无人驾驶汽车或机器人的位姿,确定无人驾驶汽车行驶或机器人运动的轨迹，校正IMU惯性测量单元、双目摄像头等数据保持时间一致性；步骤二、进行IMU惯性测量单元和双目摄像头以及基于RTK解算的GNSS接收器的信息采集与提取，从而进行视觉特征跟踪；步骤三、基于流型的IMU预积分，包括：IMU预积分计算、计算预计分雅可比和协方差矩阵、计算残差雅可比；步骤四、IMU初始化(视觉惯性联合初始化)，这是视觉和惯性数据融合的第一步，是一段松耦合过程，将视觉数据和快速的IMU数据相结合，包括：陀螺仪偏置标定(零偏)、尺度恢复和重力加速度预估计、加速度计偏置标定和尺度重力加速度优化；步骤五、使用紧耦合优化模型进行优化，包括：视觉惯性相邻帧紧耦合优化、视觉惯性局部地图紧耦合优化；步骤六、估计无人驾驶汽车或机器人轨迹和周围环境三维地图的相似程度，得出实时位姿；步骤七、构建地图并利用词袋模型进行闭环检测，对已有地图进行校正，进一步提高三维地图的精度。2.根据权利要求1所述的基于GPS、IMU以及双目视觉的地图构建方法，其特征在于，在步骤2)信息采集与提取中：在每次双目摄像机采集到图像后，对图像进行ORB特征的提取，提取ORB特征后，将提取的结果存储；对无人驾驶汽车或机器人内部的IMU数据进行实时采集，并送入基于流型的IMU预积分中进行处理。3.根据权利要求1所述的基于GPS、IMU以及双目视觉的地图构建方法及系统，其特征在于，在步骤3)基于流型的IMU预积分中：所述的IMU预积分计算中，世界坐标系、IMU坐标系以及相机坐标系通常用W、B、C来表示，以一定的时间间隔Δt来采样，测量IMU的加速度aB和角速度ωB。IMU测量模型：其中，表示坐标系B下IMU测量模型的角速度和加速度，BωWB(t)∈R3表示在坐标系B下IMU中心B相对于世界坐标系W的瞬时角速度，RWB表示IMU中心B相对于世界坐标系W的旋转矩阵，为RWB的转置，Wa(t)∈R3表示在W坐标下IMU的瞬时加速度，Wg表示在W坐标系下重力矢量，b表示零偏，η表示高斯随机噪声，ba、bg分别表示加速度和重力矢量零偏，ηa、ηg分别表示加速度和重力矢量高斯随机噪声；旋转R、平移p和速度v的导数可以表示为：其中，Wv表示在W坐标系下IMU的瞬时速度，表示B相对于W的瞬时角速度，RWB表示IMU中心B相对于世界坐标系W的旋转矩阵，Wp表示W坐标系下的瞬时平移，为其导数；世界坐标系下的旋转R、平移p和速度v可由一般的积分公式求得,离散时间下采用欧拉积分可以将上面连续时间积分改写并联立可得：Δt为一定的时间间隔，ηgd(t)、ηad(t)表示离散时间下加速度和重力矢量高斯随机噪声，ba、bg分别表示加速度和重力矢量零偏，ηad、ηgd分别表示加速度和重力矢量高斯随机噪声，为IMU测量模型的角速度和加速度，这时候的状态量是世界坐标系下的；设现在有i和j两个相邻关键帧，需要已知i时刻对应的IMU状态量，求解离散时间下j时刻关键帧对应的IMU预积分值：Δt为一定的时间间隔，Δtij为i、j时刻之间的时间差，g为重力矢量，分别表示随时间变化的重力矢量和加速度零偏，表示随时间变化的IMU测量模型角速度，表示随时间变化的IMU测量模型速度，Rj、Ri、vj、vi、pj、pi分别为j时刻和i时刻的旋转、速度和平移，Rk为随时间变化的旋转矩阵，为随时间变化的离散加速度和重力矢量高斯随机噪声；为了避免重复积分采用IMU预积分方法计算i、j时刻的状态量的相对变化，也就是将参考坐标系由世界坐标系转换到IMU的i时刻坐标系下，计算得到IMU状态量在i和j时刻之间的相对量：Rj、Ri、vj、vi、pj、pi分别为j时刻和i时刻的旋转、速度和平移，分别为随时间变化的加速度和重力矢量零偏，表示随时间变化的IMU测量模型角速度，表示随时间变化的IMU测量模型速度，为随时间变化的离散加速度和重力矢量高斯随机噪声，ΔRij、Δvij、Δpij为i、j之间的旋转、速度和平移差，为ΔRi的转置，Δtij为i、j时刻之间的时间差，Δt为一定的时间间隔，ΔRik、Δvik为i、k时刻的旋转和速度差；从上面的公式可以看出，整个预积分公式和偏置，噪声都有关系，需要分别分析偏置和噪声对系统的影响，噪声服从高斯正态分布，偏执服从随机游走模型；在初始化使用的IMU预积分是没有偏置的一阶项，雅可比矩阵是在初始化完成之后进行优化之前才计算而来的，得到IMU准确的预积分值(真值)，和估计值从而得到IMU的残差；系统是服从高斯分布的，协方差矩阵是按照高斯分布计算得到，是个9*9的矩阵；所述计算残差雅可比：残差：待估计的参数：ΔRij、Δvij、Δpij为i、j时刻的旋转、速度和平移差，为器平均值，为i时刻的加速度和重力矢量零偏，为其平均值，δba、δbg为其更新量，φ为旋转，Δtij帧间时间差，Ri、Rj、vi、vj、pi、pj表示i、j时刻的旋转矩阵、速度和平移，为其转置；位移残差对应的雅可比如上，j时刻相应的雅可比也可如此推导，速度残差和旋转的雅可比公式与平移相似。至此IMU预积分完成。4.根据权利要求1所述的基于GPS、IMU以及双目视觉的地图构建方法，其...
【专利技术属性】
技术研发人员：孙静，拱印生，朱庆林，张延坤，
申请(专利权)人：启明信息技术股份有限公司，
类型：发明
国别省市：吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。