一种位姿预测方法及装置制造方法及图纸

本申请提供了一种位姿预测方法、装置。本申请可以实现在目标设备丢失视觉信息的情况下，仅利用目标设备的运动速度参数估计目标设备的位姿；由此，实现了即使采集不到目标设备的视觉信息，依然可以估计目标设备的位姿，从而保证SLAM系统可以利用所估计的位姿继续工作运行，进而保证了SLAM系统的鲁棒性。进而保证了SLAM系统的鲁棒性。进而保证了SLAM系统的鲁棒性。

【技术实现步骤摘要】
一种位姿预测方法及装置


[0001]本申请涉及定位
，尤其涉及一种位姿预测方法及装置。

技术介绍

[0002]随着科技发展，AR/VR、机器人、无人驾驶等前沿科技迅猛发展，而AR/VR、机器人、无人驾驶
中均涉及到自主定位技术。自主定位技术用于确定设备(机器人/无人车/手机等)自身的位姿。
[0003]目前，在室外定位技术中，通常采用GPS定位技术，而在室内或者GPS信号不好的地方，需要用其他定位技术，比如室内的UWB、蓝牙、动作捕捉系统等等。如今，SLAM(即时定位与地图构建，Simultaneous Localization and Mapping)逐渐成为一种室内重要的定位技术，SLAM是一种利用自身搭载的传感器感知环境，实时计算自身位姿，并构建增量式地图的技术，其不需要改造外部环境，定位精度可达厘米级别，其应用领域可以包括AR/VR、机器人、无人驾驶、无人机等。
[0004]现有的SLAM系统的定位非常依赖于视觉信息，如果某段时间内出现环境纹理弱、设备运动速度较快等情况，会出现SLAM系统所采集到的视觉信息中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种位姿预测方法，其特征在于，所述方法包括:获取目标设备前一时刻的运动速度参数；其中，所述运动速度参数包括目标设备的角速度和线加速度，所述前一时刻为所述目标设备丢失视觉信息前的一历史时刻；利用所述运动速度参数和预设位移预测模型，估计所述目标设备各当前时刻的预测位移增量；其中，所述当前时刻为所述目标设备丢失视觉信息时的最新时刻及丢失视觉信息后的每个时刻；根据所述目标设备各当前时刻的所述预测位移增量计算所述目标设备各当前时刻对应的预测位姿，并构建所述目标设备的预测运动轨迹；对所述目标设备的所述预测位姿及所述预测运动轨迹进行优化，获取所述目标设备各当前时刻的目标位姿及对应的目标运动轨迹。2.根据权利要求1所述的方法，其特征在于，所述利用所述运动速度参数和预设位移预测模型，估计所述目标设备各当前时刻的预测位移增量，包括：根据所述目标设备前一时刻的设备坐标系下的角速度，确定目标旋转矩阵；利用所述目标旋转矩阵，将所述设备坐标系下的角速度和线加速度转换为世界坐标系下的角速度和线加速度；将所述世界坐标系下的角速度和线加速度输入所述预设位移预测模型，得到所述目标设备各当前时刻的预测位移增量。3.根据权利要求2所述的方法，其特征在于，所述目标设备的预测位移增量包括X轴上的预测位移增量、Y轴上的预测位移增量和Z轴上的预测位移增量；所述根据所述目标设备各当前时刻的所述预测位移增量计算所述目标设备各当前时刻对应的预测位姿，包括：根据所述目标设备各当前时刻在X轴上的预测位移增量、Y轴上的预测位移增量、Z轴上的预测位移增量以及所述目标设备在前一时刻的位置信息，确定所述目标设备的在X轴上的预测位置、Y轴上的预测位置和Z轴上的预测位置；根据所述目标设备的在X轴上的预测位置、Y轴上的预测位置和Z轴上的预测位置，确定所述目标设备各当前时刻的预测位姿。4.根据权利要求1至3中任一所述的方法，其特征在于，所述预设位移预测模型包括多个级联的卷积层和一个输出层；其中，所述输出层与所述多个级联的卷积层中最后一级卷积层相连接，并且，所述输出层由全局平均池化层和卷积层串联组成；所述位移预测模型的损失函数为均方误差损失函数。5.根据权利要求1至3中任一所述的方法，其特征在于，在所述获取目标设备在前一时刻的运动速度参数的步骤之前，所述方法还包括：判断是否检测到所述目标设备的视觉信息；若未检测到所述目标设备的视觉信息，则执行所述获取目标设备在前一时刻的运动速度参数的步骤。6.根据权利要求5所述的方法，其特征在于，所述对所述目标设备的所述预测位姿及所述预测运动轨迹进行优化，获取所述目标设备各当前时刻的目标位姿及对应的目标运动轨迹，还包括：判断所述目标设备的视觉信息是否...

【专利技术属性】
技术研发人员：陈星鑫，庞敏健，万培珮，刘贤焯，
申请(专利权)人：奥比中光科技集团股份有限公司，
类型：发明
国别省市：