一种适用于月球车的SLAM方法、电子设备及存储介质技术

本发明专利技术公开了一种适用于月球车的SLAM方法、电子设备及存储介质，所述方法包括：步骤S1、对观测到的特征点建立局部子地图；步骤S2、当观测到初始的特征点时，将初始的所述特征点存储在所述局部子地图中；步骤S3、当观测到新的所述特征点时，将新的特征点在局部子地图中进行存储与更新；步骤S4、当所述局部子地图中的特征点数目达到预设阈值时，将所述局部子地图与全局地图进行融合。本发明专利技术能够有效降低SLAM算法的计算复杂度，提高计算速度和估计一致性。

【技术实现步骤摘要】
一种适用于月球车的SLAM方法、电子设备及存储介质
本专利技术涉及计算机视觉
，特别涉及一种适用于月球车的SLAM方法、电子设备及存储介质。
技术介绍
视觉导航SLAM技术一直是近些年移动机器人导航定位中非常重要的研究内容。在月球车巡视探测过程中，导航系统是月球车系统中重要的组成部分。月球执行任务的区域是一个复杂的环境，月球车要进行自主定位，明确自身的位姿信息以及周围环境的地形和障碍信息，才能实现自主导航、自主避障、路径规划，确保月球车在未知区域中有效且安全地执行这些任务。SLAM是在没有先验信息的陌生环境中，目标通过携带传感器进行自身定位的同时对周围环境进行重建的过程，非常适合月球车自主导航任务。考虑月球车的机载计算能力与工程实际，如何降低月球车SLAM算法计算复杂度也是一个重要问题。近些年对SLAM算法计算复杂度问题的研究度不高，现有技术中没有能够快速降低计算复杂度的方法，并且降低计算复杂度的同时提高估计的一致性。
技术实现思路
本专利技术的目的是提供一种适用于月球车的SLAM方法、电子设备及存储介质，实现本文档来自技高网...

【技术保护点】
1.一种适用于月球车的SLAM方法，其特征在于，包括：/n步骤S1、对观测到的特征点建立局部子地图；/n步骤S2、当观测到初始的特征点时，将初始的所述特征点存储在所述局部子地图中；/n步骤S3、当观测到新的所述特征点时，将新的特征点在局部子地图中进行存储与更新；/n步骤S4、当所述局部子地图中的特征点数目达到预设阈值时，将所述局部子地图与全局地图进行融合。/n

【技术特征摘要】
1.一种适用于月球车的SLAM方法，其特征在于，包括：
步骤S1、对观测到的特征点建立局部子地图；
步骤S2、当观测到初始的特征点时，将初始的所述特征点存储在所述局部子地图中；
步骤S3、当观测到新的所述特征点时，将新的特征点在局部子地图中进行存储与更新；
步骤S4、当所述局部子地图中的特征点数目达到预设阈值时，将所述局部子地图与全局地图进行融合。


2.如权利要求1所述的适用于月球车的SLAM方法，其特征在于，所述局部子地图为某一时刻以月球车当前的位置为参考中心初始化的一个相对独立于全局地图的局部子地图。


3.如权利要求2所述的适用于月球车的SLAM方法，其特征在于，所述步骤S3还包括:
将所述新的特征点的更新建立在月球车的本体坐标系下，并将月球车的位姿改变量由惯性测量元件测量后作为一个单独的特征点加入到状态变量中，与所述新的特征点一并在所述月球车的本体坐标系下进行更新。


4.如权利要求3适用于月球车的SLAM方法，其特征在于，所述步骤S3还包括：
系统状态预测值如下：



式中，表示k-1时刻特征点在月球车的本体坐标系下的估计值；表示从k-1时刻到k时刻月球车位移量在月球车的本体坐标系下的估计值；
协方差预测值RP(k|k-1)如下：



式中，表示k-1时刻月球车的本体坐标系下状态变量协方差矩阵；QIMU表示IMU噪声矩阵；
观测量的估计值如下：



式中，h表示观测估计值方程；表示第i个特征点在月球车的本体坐标系下的位置估计值；表示从k-1时刻到k时刻月球车位姿改变量在月球车的本体坐标系下的估计值；
观测量的残差r(k)如下：



式中，z(k)表示k时刻实际观测值；
观测量的残差的协方差矩阵S(k)如下：



式中，Qν(k)是k时刻观测过程的噪声协方差矩阵，是k时刻观测模型雅克比矩阵；P(k|k-1)表示从k-1时刻到k时刻状态变量协方差矩阵；
当观测到新的特征点时，状态量增广后的协方差矩阵RP(k)为：



式中，RP(k|k-1)表示从k-1时刻到k时刻状态变量在月球车的本体坐标系下的协方差矩阵；
所述特征点和全局坐标系在月球车的本体坐标系下的位置通过所述月球车的位姿改变量进行更新：

【专利技术属性】
技术研发人员：贺亮，郑博，曹涛，韩宇，李木子，胡涛，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：上海;31