一种基于光流和IMU融合的非线性估计方法及系统技术方案

本发明专利技术实施例公开了一种基于光流和IMU融合的非线性估计方法及系统，方法包括：获取光流，从光流中获取设备的线速度与距离的比值；对光流进行分解，将分解后的光流与机载加速度计的测量值融合获取平面距离；通过平面距离，获取设备的线速度；计算目标估计误差收敛值；根据目标估计误差收敛值及线速度进行尺度估计，生成尺度估计结果。本发明专利技术实施例与经典的EKF相比，具有更快和更可控的误差收敛。该非线性滤波器能够产生一个具有完全特征化收敛行为的估计误差，可以通过适当地调整估计增益和设备运动来施加瞬态响应，最后，对比EKF可知，非线性方案在收敛速度和估计的可预测性方面具有显著的优越性。具有显著的优越性。具有显著的优越性。

【技术实现步骤摘要】
一种基于光流和IMU融合的非线性估计方法及系统


[0001]本专利技术涉及光通信
，尤其涉及一种基于光流和IMU融合的非线性估计方法及系统。

技术介绍

[0002]近年来visual-SLAM算法被广泛用于状态估计，通过观察一个单一的特征随着时间的推移，提供一个封闭形式的解决方案，以计算公制尺度因子，进而完成映射地图和位置特征估计。然而，视觉需要跨多帧提取和关联数据的问题。如在大多数典型案例中依靠单目摄像机必须解决视觉信息和其他车载传感器数据融合的问题。此外，visual-SLAM方法取决于是否有可能在较长时间内持续跟踪特征，且视觉系统可能受到意外遮挡或大量计算的需要等影响。
[0003]现有技术中来源视觉和IMU(Inertial measurement unit，惯性测量单元)数据融合的状态估计常用经典的EKF(Extended Kalman Filter，扩展卡尔曼滤波器)框架，但EKF的方案有两个不能忽视的缺点：需要对非线性系统动力学的线性化，例如在处理视觉惯性估计问题时；难以对估计错误行为进行显式描述。
[0004]因此现有技术还有待于进一步发展。

技术实现思路

[0005]针对上述技术问题，本专利技术实施例提供了一种基于光流和IMU融合的非线性估计方法及系统，能够解决现有技术中来源视觉和IMU数据融合的状态估计常用经典的EKF框架，但EKF的方案有两个不能忽视的缺点：需要对非线性系统动力学的线性化，例如在处理视觉惯性估计问题时；难以对估计错误行为进行显式描述的技术问题。
[0006]本专利技术实施例的第一方面提供一种基于光流和IMU融合的非线性估计方法，包括：
[0007]获取光流，从光流中获取设备的线速度与距离的比值；
[0008]对光流进行分解，将分解后的光流与机载加速度计的测量值融合获取平面距离；
[0009]通过平面距离，获取设备的线速度；
[0010]计算目标估计误差收敛值；
[0011]根据目标估计误差收敛值及线速度进行尺度估计，生成尺度估计结果。
[0012]可选地，所述获取光流，从光流中获取设备的线速度与距离的比值，包括：
[0013]获取光流，根据平面场景中的连续单应性约束，从光流中获取设备的线速度与距离的比值。
[0014]可选地，所述根据平面场景中的连续单应性约束，从光流中获取设备的线速度与距离的比值，包括：
[0015]获取连续单应矩阵，根据IMU测量的角速度和设备运动方向获取设备的线速度与距离的比值。
[0016]可选地，所述根据目标估计误差收敛值进行尺度估计，生成尺度估计结果，包括：
[0017]调整估计增益和设备运动，获取调整后的估计误差，将调整后的估计误差与目标估计误差收敛值进行比较；
[0018]当调整后的估计误差与目标估计误差收敛值小于预定值时，计算尺度估计；生成尺度估计结果。
[0019]可选地，所述计算目标估计误差收敛值，包括：
[0020]根据预设的恒定加速度及预设的增益，计算目标估计误差收敛值。
[0021]本专利技术实施例第二方面提供了一种基于光流和IMU融合的非线性估计系统，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现以下步骤：
[0022]获取光流，从光流中获取设备的线速度与距离的比值；
[0023]对光流进行分解，将分解后的光流与机载加速度计的测量值融合获取平面距离；
[0024]通过平面距离，获取设备的线速度；
[0025]计算目标估计误差收敛值；
[0026]根据目标估计误差收敛值及线速度进行尺度估计，生成尺度估计结果。
[0027]可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
[0028]获取光流，根据平面场景中的连续单应性约束，从光流中获取设备的线速度与距离的比值。
[0029]可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
[0030]获取连续单应矩阵，根据IMU测量的角速度和设备运动方向获取设备的线速度与距离的比值。
[0031]调整估计增益和设备运动，获取调整后的估计误差，将调整后的估计误差与目标估计误差收敛值进行比较；
[0032]当调整后的估计误差与目标估计误差收敛值小于预定值时，计算尺度估计；生成尺度估计结果。
[0033]本专利技术实施例第三方面提供了一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的基于光流和IMU融合的非线性估计方法。
[0034]本专利技术实施例提供的技术方案中，获取光流，从光流中获取设备的线速度与距离的比值；对光流进行分解，将分解后的光流与机载加速度计的测量值融合获取平面距离；通过平面距离，获取设备的线速度；计算目标估计误差收敛值；根据目标估计误差收敛值及线速度进行尺度估计，生成尺度估计结果。因此相对于现有技术，本专利技术实施例与经典的EKF相比，具有更快和更可控的误差收敛。该非线性滤波器能够产生一个具有完全特征化收敛行为的估计误差，可以通过适当地调整估计增益和设备运动来施加瞬态响应，最后，对比EKF可知，非线性方案在收敛速度和估计的可预测性方面具有显著的优越性。
附图说明
[0035]图1为本专利技术实施例中一种基于光流和IMU融合的非线性估计方法的一实施例的流程示意图；
[0036]图2为本专利技术实施例中一种基于光流和IMU融合的非线性估计方法的一实施例的物体、照相机、IMU和惯性世界帧的坐标关系示意图；
[0037]图3为本专利技术实施例中一种基于光流和IMU融合的非线性估计系统的另一实施例的硬件结构示意图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]以下结合附图对本专利技术实施例进行详细的描述。
[0040]请参阅图1，图1为本专利技术实施例中一种基于光流和IMU融合的非线性估计方法的一个实施例的流程示意图。如图1所示，包括：
[0041]步骤S100、获取光流，从光流中获取设备的线速度与距离的比值；
[0042]步骤S200、对光流进行分解，将分解后的光流与机载加速度计的测量值融合获取平面距离；
[0043]步骤S300、通过平面距离，获取设备的线速度；
[0044]步骤S400、计算目标估计误差收敛值；
[0045]步骤S500、根据目标估计误差收敛值及线速度进行尺度估计，生成尺度估计结果。
[0046]具体地，考虑到机器人运动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光流和IMU融合的非线性估计方法，其特征在于，包括：获取光流，从光流中获取设备的线速度与距离的比值；对光流进行分解，将分解后的光流与机载加速度计的测量值融合获取平面距离；通过平面距离，获取设备的线速度；计算目标估计误差收敛值；根据目标估计误差收敛值及线速度进行尺度估计，生成尺度估计结果。2.根据权利要求1所述的基于光流和IMU融合的非线性估计方法，其特征在于，所述获取光流，从光流中获取设备的线速度与距离的比值，包括：获取光流，根据平面场景中的连续单应性约束，从光流中获取设备的线速度与距离的比值。3.根据权利要求2所述的基于光流和IMU融合的非线性估计方法，其特征在于，所述根据平面场景中的连续单应性约束，从光流中获取设备的线速度与距离的比值，包括：获取连续单应矩阵，根据IMU测量的角速度和设备运动方向获取设备的线速度与距离的比值。4.根据权利要求3所述的基于光流和IMU融合的非线性估计方法，其特征在于，所述根据目标估计误差收敛值进行尺度估计，生成尺度估计结果，包括：调整估计增益和设备运动，获取调整后的估计误差，将调整后的估计误差与目标估计误差收敛值进行比较；当调整后的估计误差与目标估计误差收敛值小于预定值时，计算尺度估计；生成尺度估计结果。5.根据权利要求4所述的基于光流和IMU融合的非线性估计方法，其特征在于，所述计算目标估计误差收敛值，包括：根据预设的恒定加速度及预设的增益，计算目标估计误差收敛值。6.一种基于光流和IMU融合的非线性估计系统，其特征在于，所述系统包括：存储器、处理...

【专利技术属性】
技术研发人员：盘琳，唐文军，
申请(专利权)人：深圳市富临通实业股份有限公司，
类型：发明
国别省市：