视觉SLAM方法和可移动视觉SLAM装置制造方法及图纸

本发明专利技术提供了一种视觉SLAM方法，包括从N个惯性测量单元IMU获得IMU测量数据,对IMU测量数据进行时间同步和加权平均，获得平均IMU测量数据，对平均IMU测量数据进行积分得到第一位姿数据,从视觉相机获得第二位姿数据,对第一位姿数据和第二位姿数据进行卡尔曼滤波算法计算得到第三位姿数据，所得到的第三位姿数据用于运动决策。还提供了可移动视觉SLAM装置，包括多路IMU、视觉相机、计算单元和运动决策单元，多路IMU和视觉相机与计算单元相连，计算单元与运动决策单元相连，计算单元实现上述的方法，本发明专利技术的方法和装置可以提高视觉SLAM定位方法的准确性和可靠性。

Visual SLAM Method and Mobile Visual SLAM Device

【技术实现步骤摘要】
视觉SLAM方法和可移动视觉SLAM装置
本专利技术涉及视觉SLAM(即时定位与地图构建)方法和可移动视觉SLAM装置。
技术介绍
SLAM(simultaneouslocalizationandmapping)即时定位与地图构建，是自主移动机器人和汽车自动驾驶的关键技术。ORB-SLAM是一种基于ORB特征的三维定位与地图构建算法(SLAM)。该算法由RaulMur-Artal，J.M.M.Montiel和JuanD.Tardos于2015年发表在IEEETransactionsonRobotics。ORB-SLAM在处理速度、追踪效果和地图精度上都取得了不错的效果。ORB-SLAM算法的一大特点是在所有步骤统一使用图像的ORB特征。ORB特征是一种非常快速的图像特征点提取方法，具有旋转不变性，并可以利用图像金字塔构建出尺度不变性。使用统一的ORB特征有助于SLAM算法在特征提取与追踪、关键帧选取、三维重建、闭环检测等步骤具有内生的一致性。IMU(InertialMeasurementUnit)惯性测量单元是机器人、自动驾驶技术的重要组成单元，现代自动驾驶技术无法离开IMU，甚至在某些移动平台，由于冗余设计的需要，IMU甚至需要的不止一个，否则一个损坏，自动驾驶的汽车将处于危险状态中。IMU惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的，一个IMU包含了三个单轴的加速度计和三个单轴的陀螺，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。在导航中有着很重要的应用价值。以上的技术方案应用于机器人或自动驾驶领域，在定位时存在可靠性和准确性的问题。
技术实现思路
本专利技术的目的是为了解决现有技术中的缺陷，提供一种视觉SLAM方法，该技术方案包括：从N个惯性测量单元IMU获得IMU测量数据，N为大于等于2的整数；对IMU测量数据进行时间同步和加权平均，获得平均IMU测量数据，对所述平均IMU测量数据进行积分得到第一位姿数据；从视觉相机获得第二位姿数据；对第一位姿数据和第二位姿数据进行卡尔曼滤波算法计算得到第三位姿数据，所得到的第三位姿数据用于运动决策。本专利技术的有益效果为，通过多路IMU和视觉相机的结合，可以提升在视觉SLAM时，提升定位的准确性。一种可移动视觉SLAM装置，该装置包括：多路惯性测量单元IMU，所述多路IMU包含N个IMU，所述N为大于等于2的整数；视觉相机；计算单元，所述多路IMU与所述计算单元相连，视觉相机与计算单元相连，对多路IMU的测量数据进行时间同步、加权平均，获得平均IMU测量数据，对平均IMU测量数据进行积分得到第一IMU位姿数据；从视觉相机获得第二位姿数据，利用第一位姿数据和第二位姿数据进行卡尔曼滤波计算得到可移动视觉SLAM装置的第三位姿数据；移动决策单元，与所述计算单元相连，从所述计算单元获得所述第三位姿数据。附图说明图1为一种视觉SLAM方法图2为一种可移动视觉SLAM装置图3为一种视觉SALM装置具体实施方式为使对本专利技术的方法、装置的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：方法实现的流程可以参见图1、图2：步骤101：从可移动设备所安装的N个惯性测量单元IMU，获得各个惯性测量单元IMU的测量数据，N可以大于等于2。步骤102：对所获得的多个IMU数据进行时间同步、加权平均，获得平均IMU测量数据，对获得的平均IMU测量数据进行积分得到IMU位姿数据。步骤103：从视觉相机获得位姿数据。该视觉相机可以是单目视觉相机。步骤104：利用前面步骤得到的IMU位姿数据和视觉相机位姿数据进行卡尔曼滤波计算得到当前移动设备或者装置的位姿数据。有了位姿数据，可移动装置的运动决策系统就可以基于数据做出相应的行动决策。在步骤101中，可移动装置需要安装N个IMU装置，每个IMU在准确测量值μ时，各种测量值符合正态分布，其表达公式可以表示为Xi～N(μ，σ2)；从实际测量结果来看，IMU的测量数据也确实是符合正态分布。由于精确的IMU非常昂贵，本专利技术提供的实施例，可以不依赖于昂贵的IMU而能达到准确定位的效果，并可以提高可靠性能。例如，在服务机器人领域，可移动装置为机器人，可以使用2～3个性能一般的IMU即可；在汽车自动驾驶领域，可移动装置为机器人为汽车，可以使用一个高精度IMU，另加几个普通精度的IMU，正常情况使用高精度IMU，在高精度IMU异常时，使用几个普通IMU的均值代替，这样既控制了成本，也保证了汽车整体上的IMU精度。在步骤102中，对所获得N个IMU装置的测量数据进行时间同步和加权求平均值：当然，不同IMU的测量数据的权重可以不一样，可以根据IMU的精度、IMU的安装位置等信息适当的调整其权重值，这里假设各个IMU的权重都一致，加权求平均值的公式为：根据以上公式，可以得出从数理统计理论可知，组合后X的正态分布为(2),从公式中可看出，测量均值没变，但是测量的均方差降低，也就是说精准度提高；IMU器件的数目越多，精准度提高得越多。对获得的平均IMU测量数据进行积分得到IMU位姿数据。以下提供了一种从两帧IMU数据中获得当前可移动装置的位姿：首先，求出当前时刻t与下一时刻t+1加速度的均值，把它作为Δt时间内的平均加速度，有了这个平均加速度及当前时刻的初始速度和初始位置，就可以近似的求出t+1时刻的速度和位置。求出当前时刻t与下一时刻t+1角速度的均值，把它作为Δt时间内的平均角速度，有了这个平均角速度及当前时刻的姿态，就可以近似的求出t+1时刻的姿态。需要注意的是，IMU测量数据存在着坐标系、噪声bias和重力加速度的问题，因此需要额外的一些处理。首先对于加速度，因为IMU的加速度数据是在Body坐标系下表示的，所以要利用对应时刻的姿态将其转换到世界坐标系下，转换之前要减去bias，转化之后要减去重力加速度(世界坐标系下的重力加速度恒等于9.8)：Qt-1是t+1时刻的姿态，需要用角速度的数据来近似计算：有了t,t+1时刻的加速度，就可以求出t+1时刻的速度和位置：按照计算的顺序整理一下整个积分的流程：由此通过IMU测量数据可以得到可移动装置新的位置。在步骤103中，可移动装置可以从视觉相机Camera的图像帧来确定相机的位置，例如，可以采用前后帧图像的特征点匹配方式，通过匹配上的特征点的世界坐标值的改变来确定相机的位姿。在步骤104中，可移动装置可以采用经典的卡尔曼滤波方法来处理IMU测量数据计算得到的位姿与视觉相机的数据得到的位姿；通过IMU测量数据计算出来的位姿为卡尔曼滤波的计算预测值，而通过视觉相机的数据得到的位姿作为卡尔曼滤波的测量值。以上所举的实施例，除了可以提升准确性外，还可以达到如下有益效果：1、在可移动装置中，安装了多个IMU存在，在一个IMU或多个发生故障的同时，剩下的正常的IMU照样可以使用，这样可以避开因部分IMU损坏而导致的系统故障，提升了系统的可靠性；2、由于不同精准度的IMU的价格相差极大，使用多个精准度较低的IMU，其成本仍然可能低于只使用一个较精准的昂贵IM本文档来自技高网...

【技术保护点】
1.一种视觉SLAM方法，其特征在于，所述方法包括：从N个惯性测量单元IMU获得IMU测量数据，所述N为大于等于2的整数；对所述IMU测量数据进行时间同步和加权平均，获得平均IMU测量数据，对所述平均IMU测量数据进行积分得到第一位姿数据；从视觉相机获得第二位姿数据；对所述第一位姿数据和所述第二位姿数据进行卡尔曼滤波算法计算得到第三位姿数据，所述第三位姿数据用于运动决策。

【技术特征摘要】
1.一种视觉SLAM方法，其特征在于，所述方法包括：从N个惯性测量单元IMU获得IMU测量数据，所述N为大于等于2的整数；对所述IMU测量数据进行时间同步和加权平均，获得平均IMU测量数据，对所述平均IMU测量数据进行积分得到第一位姿数据；从视觉相机获得第二位姿数据；对所述第一位姿数据和所述第二位姿数据进行卡尔曼滤波算法计算得到第三位姿数据，所述第三位姿数据用于运动决策。2.根据权利要求1所述的视觉SLAM方法，其特征在于，所述对所述第一位姿数据和所述第二位姿数据进行卡尔曼滤波算法计算得到第三位姿数据，包括：以所述第一位姿数据为卡尔曼滤波的计算预测值，以所述第二位姿数据为卡尔曼滤波的测量值，通过卡尔曼滤波算法计算得到所述第三位姿数据。...

【专利技术属性】
技术研发人员：恽为民，吴华，薛耿剑，
申请(专利权)人：上海未来伙伴机器人有限公司，
类型：发明
国别省市：上海,31