【技术实现步骤摘要】
三维重建中实时全局优化和错误回环判断的方法及装置
本专利技术涉及相机定位与建图
，特别涉及一种三维重建中实时全局优化和错误回环判断的方法及装置。
技术介绍
随着机器人室内导航、虚拟现实及增强现实技术的发展和广泛应用，三维重建需要越来越高的精度和效率，需要应对各种不同的环境和运动状态，实现更加鲁棒的重建过程。而三维重建最需要的是通过视觉进行定位的基于SLAM(SimultaneousLocalizationAndMapping，同时定位与建图)技术在特征点信息丰富的时候能够准确计算相机的姿态，通过回环检测可以实现全局一致性，但是在快速移动和特征点少的时候，相机通过视觉进行的跟踪容易失败，这时候建图和定位都不能继续进行。IMU(Inertialmeasurementunit，惯性测量单元)的成本低，不受特征点少喝快速运动的影响，但是数据噪声大，积分有严重的累积误差。视觉和IMU信息的融合通常使用基于扩展卡尔曼滤波和基于优化的方法，滤波的方法效率高，但是准确性差；优化方法估计量更准确，但是效率低，无法实现实时的全局优化。相机...
【技术保护点】
1.一种三维重建中实时全局优化和错误回环判断的方法，其特征在于，包括以下步骤：/n获取视觉信息和IMU信息，通过所述视觉信息的二次统计量和所述IMU信息的预计分构建优化方程，以进行CPU的实时在线全局优化；/n在全局优化函数中耦合变换矩阵，来提供准确的变换矩阵估计值，并且在全局优化过程中，提供IMU和相机的状态估计量，使得在快速移动和特征点少的时候，通过IMU信息进行定位，从而继续进行建图；以及/n获取IMU零偏的估计量，并根据所述IMU零偏的估计量识别错误回环和正确回环。/n
【技术特征摘要】
1.一种三维重建中实时全局优化和错误回环判断的方法，其特征在于，包括以下步骤：
获取视觉信息和IMU信息，通过所述视觉信息的二次统计量和所述IMU信息的预计分构建优化方程，以进行CPU的实时在线全局优化；
在全局优化函数中耦合变换矩阵，来提供准确的变换矩阵估计值，并且在全局优化过程中，提供IMU和相机的状态估计量，使得在快速移动和特征点少的时候，通过IMU信息进行定位，从而继续进行建图；以及
获取IMU零偏的估计量，并根据所述IMU零偏的估计量识别错误回环和正确回环。
2.根据权利要求1所述的方法，其特征在于，所述获取视觉信息和IMU信息，通过所述视觉信息的二次统计量和所述IMU信息的预计分构建优化方程，以进行CPU的实时在线全局优化，包括：
在优化过程中，采用关键帧策略，以使关键帧的状态量参与全局优化，且其他帧的状态量通过最接近的关键帧进行赋值。
3.根据权利要求1所述的方法，其特征在于，在全局优化过程中，还包括：
根据视觉信息的和所述IMU信息的误差项获取雅各比矩阵；
根据所述雅各比矩阵进行误差函数的最小化，并通过稀疏矩阵乘法得到状态更新量，以实现视觉IMU信息的全局优化。
4.根据权利要求3所述的方法，其特征在于，所述误差函数为：
其中，和均为相对位姿变化量，i和j表示帧数，为相机的IMU的角速度零偏，为根据IMU数据在初始零偏值的基础上积分得到的相对位姿变化量，bg为IMU的角速度零偏变量，Rci为相机的旋转方向，R0、P0均为相机到IMU的变换矩阵，VIj为第j帧相机IMU的速度，VIi为第i帧相机IMU的速度，Rg为重力的优化方向，g为初始的重力值，Δtij为第i帧和第j帧之间的时间间隔，为第i帧相机IMU的加速度零偏，Pci为相机的平移位置，ba为IMU的加速度零偏变量。
5.根据权利要求4所述的方法，其特征在于，还包括：
通过李代数的扰动模型求出误差相对于需要优化的状态变量...
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。