【技术实现步骤摘要】
基于双目视觉惯性里程计估计位姿的方法、装置与处理器
本申请涉及机器人领域，具体而言，涉及一种基于双目视觉惯性里程计估计位姿的方法、装置、存储介质与处理器。
技术介绍
目前，随着小型化，低功耗，经济性移动机器人及无人机的大力发展，需要迫切解决在低功耗平台下进行定位功能的实现，视觉定位方法作为自主定位的一种方式，能有效解决轮式里程计在恶劣环境(比如建筑工地)打滑引起的误差，同时在建筑机器人开发中，存在一些没有轮子或者运动模型比较难以建模，此时只能依靠视觉里程计来实现粗定位功能。传统以非线性优化为主的视觉定位算法由于对运算资源要求过大，且存在位姿输出延时，需要进行改进方能满足小型建筑机器人低功耗，嵌入式处理器，实时定位功能要求。也有部分的算法直接去掉视觉里程计中较耗时模块后端优化算法，降低对运算资源的要求，但导致了视觉里程计的定位精度下降，鲁棒性降低。在
技术介绍
部分中公开的以上信息只是用来加强对本文所描述技术的
技术介绍
的理解，因此，
技术介绍
中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知...
【技术保护点】
1.一种基于双目视觉惯性里程计估计位姿的方法，其特征在于，包括：/n获取第一姿态角、第二姿态角和位移，所述第一姿态角为通过惯性测量单元获取的载体的姿态角，从双目视觉里程计获取的对应于所述载体的多帧图像中获取所述第二姿态角和所述位移；/n获取所述第一姿态角和所述第二姿态角的加权平均值，所述加权平均值为所述载体的融合姿态角；/n根据所述融合姿态角更新所述位移。/n
【技术特征摘要】
1.一种基于双目视觉惯性里程计估计位姿的方法，其特征在于，包括：
获取第一姿态角、第二姿态角和位移，所述第一姿态角为通过惯性测量单元获取的载体的姿态角，从双目视觉里程计获取的对应于所述载体的多帧图像中获取所述第二姿态角和所述位移；
获取所述第一姿态角和所述第二姿态角的加权平均值，所述加权平均值为所述载体的融合姿态角；
根据所述融合姿态角更新所述位移。
2.根据权利要求1所述的方法，其特征在于，所述双目视觉里程计包括双目相机，在获取第一姿态角、第二姿态角和位移之前，所述方法还包括：
初始化所述双目相机的参数和所述惯性测量单元的参数；
采集所述双目相机的左图像和右图像，采集所述惯性测量单元的原始输出；
初始化所述双目相机采集的图像的特征点。
3.根据权利要求2所述的方法，其特征在于，初始化所述双目相机采集的图像的特征点，包括：
获取所述双目相机采集的第一帧图像的特征点和特征点深度值。
4.根据权利要求3所述的方法，其特征在于，获取所述双目相机采集的第一帧图像的特征点和特征点深度值，包括：
提取所述双目相机采集到的第一帧图像的所述左图像的第一特征点并保存所述第一特征点；
在所述第一帧图像的所述右图像上跟踪所述左图像的所述第一特征点，获取第二特征点，并保存所述第二特征点，所述第一特征点和所述第二特征点构成特征点对；
对所述特征点对进行畸变矫正；
采用矫正后的所述特征点对，计算所述特征点对的所述特征点深度值。
5.根据权利要求4所述的方法，其特征在于，在初始化所述双目相机采集的图像的特征点之后，获取第一姿态角包括：
获取第N帧图像和第N+1帧图像，N为大于1的整数；
获取第一时刻和第二时刻，所述第一时刻为获取所述第N帧图像的时刻，所述第二时刻为获取所述第N+1帧图像的所述时刻；
获取处于第三时刻的所述第一姿态角，所述第三时刻在所述第一时刻和所述第二时刻之间。
6.根据权利要求5所述的方法，其特征在于，在初始化所述双目相机采集的图像的特征点之后，获取第二姿态角和位移包括：
获取第三特征点，所述第三特征点为所述第N帧图像的左图像上的特征点；
在所述第N+1帧图像的左图像上跟踪所述第三特征点，获取第四特征点，所述第四特征点为所述第N+1帧图像的左图像上的特征点；
在所述第三特征点的数量大于第一预定值的情况下，对所述第三...
【专利技术属性】
技术研发人员：袁国斌，陶永康，贾宁，
申请(专利权)人：广东博智林机器人有限公司，
类型：发明
国别省市：广东;44
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。