目标对象的定位方法、系统、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种目标对象的定位方法、系统、装置、电子设备及存储介质，所述方法包括：获取目标对象采集的环境数据以及运动数据；获取原始海森矩阵以及针对所述原始海森矩阵的维度信息，并根据所述维度信息对所述原始海森矩阵进行边缘化处理，获得目标海森矩阵；对所述目标海森矩阵进行求解，获得若干个子矩阵；根据所述若干个子矩阵进行加速计算，获得雅可比矩阵以及残差矩阵，所述雅可比矩阵为用于表征视觉惯性融合系统的状态信息的矩阵，所述残差矩阵为用于优化变量参数的矩阵；根据所述雅可比矩阵与所述残差矩阵对所述环境数据和所述运动数据进行计算，获得所述目标对象的定位信息。对象的定位信息。对象的定位信息。

【技术实现步骤摘要】
目标对象的定位方法、系统、装置、电子设备及存储介质


[0001]本专利技术涉及机器学习
，特别是涉及一种目标对象的定位方法、一种视觉惯性融合系统、一种目标对象的定位装置、一种电子设备以及一种计算机可读存储介质。

技术介绍

[0002]视觉惯性系统(VINS，Visual Inertial System)在无人机、自动驾驶汽车等无人自主系统中有非常广泛的应用。虽然现代无人自主系统多数是以GNNS(Global Navigation Satellite System，全球导航定位系统)和4G/5G技术作为基础定位技术，但是对于隧道、偏远山区等信号覆盖较差的地方，视觉惯性系统仍然是一种非常好的辅助定位技术。其中，视觉惯性系统产品虽然已有一些应用，但高精度的视觉惯性系统从技术上讲仍然存在一些挑战。如何将视觉和惯性测量单元(IMU，Inertial Measurement Unit)的数据融合，研发高精度、高鲁棒性的视觉惯性系统，具有重要的研发意义。
[0003]对于视觉惯性融合系统，其数据处理可以包括前处理以及后处理两部分，前处理可以为基于特征检测和追踪的方法，后处理可以为基于非线性求解的优化方法。其中，后处理增强了系统的鲁棒性，提升了定位精度，相应的其系统的运算量也更大，前处理可以提高数据运算速度，但是定位精度较低，若采用全局优化的方式，则系统的精度虽然高但运算效率却显著下降。

技术实现思路

[0004]本专利技术实施例是提供一种目标对象的定位方法、系统、装置、电子设备以及计算机可读存储介质，以解决或部分解决视觉惯性融合系统在进行定位过程中存在运算效率低、定位精度低的问题。
[0005]本专利技术实施例公开了一种目标对象的定位方法，包括：
[0006]获取目标对象采集的环境数据以及运动数据；
[0007]获取原始海森矩阵以及针对所述原始海森矩阵的维度信息，并根据所述维度信息对所述原始海森矩阵进行边缘化处理，获得目标海森矩阵；
[0008]对所述目标海森矩阵进行求解，获得若干个子矩阵；
[0009]根据所述若干个子矩阵进行加速计算，获得雅可比矩阵以及残差矩阵，所述雅可比矩阵为用于表征视觉惯性融合系统的状态信息的矩阵，所述残差矩阵为用于优化变量参数的矩阵；
[0010]根据所述雅可比矩阵与所述残差矩阵对所述环境数据和所述运动数据进行计算，获得所述目标对象的定位信息。
[0011]可选地，所述子矩阵至少包括第一子矩阵、第二子矩阵以及第三子矩阵，所述根据所述若干个子矩阵进行加速计算，获得雅可比矩阵以及残差矩阵，包括：
[0012]将所述第一子矩阵和转置后的第一子矩阵进行相加，获得第一目标矩阵；
[0013]根据所述第一目标矩阵的第一特征信息进行矩阵运算，获得所述第一目标矩阵的
第一逆矩阵；
[0014]将所述第一逆矩阵分别与所述第二子矩阵和所述第三子矩阵进行相乘，获得所述第二子矩阵对应的第二目标矩阵以及所述第三子矩阵对应的第三目标矩阵；
[0015]根据所述第二目标矩阵的第二特征信息进行矩阵运算，获得所述第二目标矩阵对应的对角矩阵以及所述对角矩阵对应的第二逆矩阵；
[0016]采用所述对角矩阵的第三特征信息进行矩阵运算，获得雅可比矩阵；
[0017]采用所述第二逆矩阵与所述第三子矩阵进行矩阵运算，获得残差矩阵。
[0018]可选地，所述根据所述第一目标矩阵的第一特征信息进行矩阵运算，获得所述第一目标矩阵的第一逆矩阵，包括：
[0019]获取所述第一目标矩阵的第一特征值以及第一特征向量；
[0020]将所述第一特征值构建的第一矩阵和所述第一特征向量构建的第二矩阵进行相乘，获得所述第一目标矩阵对应的第一逆矩阵。
[0021]可选地，所述根据所述第二目标矩阵的第二特征信息进行矩阵运算，获得所述第二目标矩阵对应的对角矩阵以及所述对角矩阵对应的第二逆矩阵，包括：
[0022]获取所述第二目标矩阵的第二特征值以及第二特征向量；
[0023]将所述第二特征值构建的第三矩阵和所述第二特征向量构建的第四矩阵进行相乘，获得所述第二目标矩阵对应的目标向量和目标逆向量；
[0024]对所述目标向量中的每一个标量进行平方根运算，获得所述目标向量对应的对角矩阵，并对所述目标逆向量中的每一个标量进行平方根运算，获得所述对角矩阵对应的第二逆矩阵。
[0025]可选地，所述采用所述对角矩阵的第三特征信息进行矩阵运算，获得雅可比矩阵，包括：
[0026]获取所述对角矩阵的第三特征向量；
[0027]将所述对角矩阵以及所述第三特征向量进行相乘，获得雅可比矩阵。
[0028]可选地，所述采用所述第二逆矩阵与所述第三子矩阵进行矩阵运算，获得残差矩阵，包括：
[0029]获取所述第二逆矩阵的第四特征向量；
[0030]将所述第二逆矩阵、所述第四特征向量以及所述第三子矩阵进行相乘，获得残差矩阵。
[0031]可选地，所述维度信息包括需要边缘化的第一维度信息以及需要保留的第二维度信息，所述根据所述维度信息对所述原始海森矩阵进行边缘化处理，获得目标海森矩阵，包括：
[0032]采用所述第一维度信息与所述第二维度信息对所述原始海森矩阵进行边缘化处理，构建目标海森矩阵。
[0033]本专利技术实施例还公开了一种视觉惯性融合系统，所述视觉惯性融合系统包括视觉和惯性测量单元、控制指令存储器、张量数据存储器、张量算术逻辑运算阵列以及张量加速计算控制单元；所述张量数据存储器中存储有所述视觉和惯性测量单元采集的环境数据以及运动数据；其中，
[0034]所述张量加速计算控制单元，用于响应于接收到所述控制指令存储器传输的定位
运算指令，将所述定位运算指令传输至所述张量算术逻辑运算阵列；
[0035]所述张量算术逻辑运算阵列，用于根据所述定位运算指令从所述张量数据存储器中获取原始海森矩阵以及获取针对所述原始海森矩阵的维度信息，并根据所述维度信息对所述原始海森矩阵进行边缘化处理，获得目标海森矩阵；对所述目标海森矩阵进行求解，获得若干个子矩阵；根据所述若干个子矩阵进行加速计算，获得雅可比矩阵以及残差矩阵；根据所述雅可比矩阵与所述残差矩阵对所述环境数据和所述运动数据进行计算，获得所述目标对象的定位信息，所述雅可比矩阵为用于表征视觉惯性融合系统的状态信息的矩阵，所述残差矩阵为用于优化变量参数的矩阵；
[0036]所述张量数据存储器，用于存储所述目标海森矩阵、所述雅可比矩阵、所述残差矩阵以及所述定位信息。
[0037]可选地，所述张量算术逻辑运算阵列包括计算指令解析单元、若干个算术逻辑单元以及加法器树；
[0038]所述计算指令解析单元，用于解析所述定位运算指令，从所述张量数据存储器获取所述环境数据、所述运动数据以及原始海森矩阵，并获取针对所述原始海森矩阵的维度信息；
[0039]所述算术逻辑单元，用于将所述第一子矩阵和转置后的第一子矩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象的定位方法，其特征在于，包括：获取目标对象采集的环境数据以及运动数据；获取原始海森矩阵以及针对所述原始海森矩阵的维度信息，并根据所述维度信息对所述原始海森矩阵进行边缘化处理，获得目标海森矩阵；对所述目标海森矩阵进行求解，获得若干个子矩阵；根据所述若干个子矩阵进行加速计算，获得雅可比矩阵以及残差矩阵，所述雅可比矩阵为用于表征视觉惯性融合系统的状态信息的矩阵，所述残差矩阵为用于优化变量参数的矩阵；根据所述雅可比矩阵与所述残差矩阵对所述环境数据和所述运动数据进行计算，获得所述目标对象的定位信息。2.根据权利要求1所述的方法，其特征在于，所述子矩阵至少包括第一子矩阵、第二子矩阵以及第三子矩阵，所述根据所述若干个子矩阵进行加速计算，获得雅可比矩阵以及残差矩阵，包括：将所述第一子矩阵和转置后的第一子矩阵进行相加，获得第一目标矩阵；根据所述第一目标矩阵的第一特征信息进行矩阵运算，获得所述第一目标矩阵的第一逆矩阵；将所述第一逆矩阵分别与所述第二子矩阵和所述第三子矩阵进行相乘，获得所述第二子矩阵对应的第二目标矩阵以及所述第三子矩阵对应的第三目标矩阵；根据所述第二目标矩阵的第二特征信息进行矩阵运算，获得所述第二目标矩阵对应的对角矩阵以及所述对角矩阵对应的第二逆矩阵；采用所述对角矩阵的第三特征信息进行矩阵运算，获得雅可比矩阵；采用所述第二逆矩阵与所述第三子矩阵进行矩阵运算，获得残差矩阵。3.根据权利要求2所述的方法，其特征在于，所述根据所述第一目标矩阵的第一特征信息进行矩阵运算，获得所述第一目标矩阵的第一逆矩阵，包括：获取所述第一目标矩阵的第一特征值以及第一特征向量；将所述第一特征值构建的第一矩阵和所述第一特征向量构建的第二矩阵进行相乘，获得所述第一目标矩阵对应的第一逆矩阵。4.根据权利要求2所述的方法，其特征在于，所述根据所述第二目标矩阵的第二特征信息进行矩阵运算，获得所述第二目标矩阵对应的对角矩阵以及所述对角矩阵对应的第二逆矩阵，包括：获取所述第二目标矩阵的第二特征值以及第二特征向量；将所述第二特征值构建的第三矩阵和所述第二特征向量构建的第四矩阵进行相乘，获得所述第二目标矩阵对应的目标向量和目标逆向量；对所述目标向量中的每一个标量进行平方根运算，获得所述目标向量对应的对角矩阵，并对所述目标逆向量中的每一个标量进行平方根运算，获得所述对角矩阵对应的第二逆矩阵。5.根据权利要求2所述的方法，其特征在于，所述采用所述对角矩阵的第三特征信息进行矩阵运算，获得雅可比矩阵，包括：获取所述对角矩阵的第三特征向量；
将所述对角矩阵以及所述第三特征向量进行相乘，获得雅可比矩阵。6.根据权利要求2所述的方法，其特征在于，所述采用所述第二逆矩阵与所述第三子矩阵进行矩阵运算，获得残差矩阵，包括：获取所述第二逆矩阵的第四特征向量；将所述第二逆矩阵、所述第四特征向量以及所述第三子矩阵进行相乘，获得残差矩阵。7.根据权利要求1所述的方法，其特征在于，所述维度信息包括需要边缘化的第一维度信息以及需要保留的第二维度信息，所述根据所述维度信息对所述原始海森矩阵进行边缘化处理，获得目标海森矩阵，包括：采用所述第一维度信息与所述第二维度信息对所述原始海森矩阵进行边缘化处理，构建目标海森矩阵。8.一种视觉惯性融合系统，其特征在于，所述视觉惯性融合系统包括视觉和惯性测量单元、控制指令存储器、张量数据存储器、张量算术逻辑运算阵列以及张量加速计算控制单元；所述张量数据存储器中存储有所述视觉和惯性测量单元采集的环境数...

【专利技术属性】
技术研发人员：庞业勇，吴頔，陈志远，都大龙，
申请(专利权)人：北京鉴智科技有限公司，
类型：发明
国别省市：