大棚内农机车辆定位方法、系统、计算机设备及存储介质技术方案

本发明专利技术属于定位技术领域，公开了一种大棚内农机车辆定位方法、系统、计算机设备及存储介质，包括：获取若干连续的工作场景照片以及各工作场景照片的imu数据，得到各工作场景照片的相机相对位姿数据和imu相对位姿数据，然后构建相机位置三维图，并提取相机位置三维图中各工作场景照片的相机相对坐标；根据各工作场景照片的相机相对位姿数据和imu相对位姿数据，得到各工作场景照片的重力、相机速度和相机尺度，进而将相机位置三维图中各工作场景照片的相机相对坐标转换至水平坐标系，最后融合GNSS卫星数据和各工作场景照片在水平坐标系下的相机相对坐标，得到农机车辆定位坐标。能够准确确定农机车辆定位坐标，保证农机车辆定位准确性，且实现成本低。且实现成本低。且实现成本低。

【技术实现步骤摘要】
大棚内农机车辆定位方法、系统、计算机设备及存储介质


[0001]本专利技术属于定位
，涉及一种大棚内农机车辆定位方法、系统、计算机设备及存储介质。

技术介绍

[0002]农机自动驾驶是一门涉及到计算机科学、模式识别、电子、通信和控制等多个领域的交叉学科技术。该技术是通过对车辆周边的环境信息进行感知并结合车辆自身的定位，规划出最适合行走和作业的路径，进而控制农机车辆的方向和速度，最终实现农机车辆的自主行走和自主作业。农机自动驾驶技术对于减轻农业劳动强度，提升工作效率以及提升农业产能有着重要的意义，而为了使农机车辆实现自主行走，需要在农机车辆行驶过程中实现精准定位。
[0003]计算机视觉定位、卫星定位以及惯性导航是自动驾驶领域中计算车辆行驶过程中位姿信息与导航定位的关键技术，在自动驾驶中扮演着至关重要的角色，是成功实现自动驾驶的前提之一。目前，自动驾驶的导航与定位功能大多通过GNSS(Global Navigation Satellite System，全球卫星导航系统)加上雷达系统来实现，常见的雷达系统如激光雷达和毫米波雷达等。
[0004]然而，GNSS存在在室内或信号较弱的工作场景下会发生信号丢失现象。同时，尽管雷达系统在高速运动模式下定位精度较为准确，然而对于农机作业时常见的低速或静态工作场景，雷达系统的感知效果较差，无法达到农机自动驾驶所需要的定位精度且其成本十分高昂。这导致GNSS加上雷达系统的方式，并不能提供如大棚内等农业场景下，农机车辆自动驾驶作业中的精确定位信息。
专利技术内容
[0005]本专利技术的目的在于克服上述现有技术中，农机车辆定位信息不准确的缺点，提供一种大棚内农机车辆定位方法、系统、计算机设备及存储介质。
[0006]为达到上述目的，本专利技术采用以下技术方案予以实现：
[0007]本专利技术第一方面，一种大棚内农机车辆定位方法，包括：
[0008]获取若干连续的工作场景照片以及各工作场景照片的imu数据；
[0009]根据若干连续的工作场景照片以及各工作场景照片的imu数据，得到各工作场景照片的相机相对位姿数据和imu相对位姿数据；
[0010]根据各工作场景照片的相机相对位姿数据，构建相机位置三维图，并提取相机位置三维图中各工作场景照片的相机相对坐标；
[0011]根据各工作场景照片的相机相对位姿数据和imu相对位姿数据，得到各工作场景照片的重力、相机速度和相机尺度；
[0012]根据各工作场景照片的重力、相机速度和相机尺度，将相机位置三维图中各工作场景照片的相机相对坐标转换至水平坐标系，得到各工作场景照片在水平坐标系下的相机
相对坐标；
[0013]获取任一工作场景照片的GNSS卫星数据，并根据各工作场景照片在水平坐标系下的相机相对坐标和任一工作场景照片的GNSS卫星数据，通过ceres优化器，得到农机车辆定位坐标。
[0014]可选的，所述根据若干连续的工作场景照片以及各工作场景照片的imu数据，得到各工作场景照片的相机相对位姿数据和imu相对位姿数据包括：
[0015]采用光流法跟踪各工作场景照片中预设位置的特征点，得到特征点跟踪结果，并根据特征点跟踪结果计算各工作场景照片的相机相对位姿数据；
[0016]采用用中点插值的方法，对各工作场景照片的imu数据进行预积分，得到各工作场景照片的imu相对位姿数据。
[0017]可选的，所述根据各工作场景照片的相机相对旋转数据，构建相机位置三维图，并提取相机位置三维图中各工作场景照片的相机相对坐标包括：
[0018]根据各工作场景照片的相机相对旋转数据，采用pnp算法，从第一张工作场景照片向最后一张工作场景照片构建第一三维图，并从最后一张工作场景照片向第一张工作场景照片构建第二三维图，融合第一三维图和第二三维图得到相机位置三维图；将相机位置三维图采用ceres优化器进行优化，提取优化后的相机位置三维图中各工作场景照片的相机相对坐标。
[0019]可选的，所述根据各工作场景照片的相机相对位姿数据和imu相对位姿数据，得到各工作场景照片的重力、相机速度和相机尺度包括：
[0020]根据各工作场景照片的相机相对位姿数据和imu相对位姿数据，计算各工作场景照片的imu偏移矩阵；
[0021]根据各工作场景照片的相机相对位姿数据、imu数据以及imu偏移矩阵，优化各工作场景照片的imu相对位姿数据，得到各工作场景照片的优化imu相对位姿数据，以及计算各工作场景照片的雅可比矩阵和协方差矩阵；
[0022]根据各工作场景照片的优化imu相对位姿数据、雅可比矩阵和协方差矩阵，采用ceres优化器，得到各工作场景照片的重力、相机速度和相机尺度。
[0023]可选的，所述计算各工作场景照片的雅可比矩阵和协方差矩阵包括：
[0024]设定第一张工作场景照片的雅可比矩阵为单位矩阵，第一张工作场景照片的协方差矩阵为零矩阵；
[0025]第二张工作场景照片至最后一张工作场景照片的雅可比矩阵分别为相邻上一张工作场景照片的雅可比矩阵乘以imu偏移矩阵；
[0026]第二张工作场景照片至最后一张工作场景照片的协方差矩阵分别为相邻上一张工作场景照片的协方差矩阵加上一个噪声矩阵；噪声矩阵由当前工作场景照片的imu数据中的加速度和imu噪声的平方构成。
[0027]可选的，所述根据各工作场景照片的重力、相机速度和相机尺度，将相机位置三维图中各工作场景照片的相机相对坐标转换至水平坐标系，得到各工作场景照片在水平坐标系下的相机相对坐标包括：
[0028]根据各工作场景照片的相机尺度，以最小化重投影误差法优化相机位置三维图中各工作场景照片的相机相对坐标，得到各工作场景照片的优化相机相对坐标；
[0029]固定第一张工作场景照片为世界坐标系，根据各工作场景照片的重力，计算当前的世界坐标系相对于水平坐标系的旋转数据；
[0030]根据当前的世界坐标系相对于水平坐标系的旋转数据，以及各工作场景照片的相机速度和相机尺度，将各工作场景照片的优化相机相对坐标转换转至水平坐标系，得到各工作场景照片在水平坐标系下的相机相对坐标。
[0031]可选的，所述根据各工作场景照片在水平坐标系下的相机相对坐标和任一工作场景照片的GNSS卫星数据，通过ceres优化器，得到农机车辆定位坐标包括：
[0032]获取任一工作场景照片的GNSS卫星数据，并根据各工作场景照片在水平坐标系下的相机相对坐标和任一工作场景照片的GNSS卫星数据，通过ceres优化器构建全局位姿图模型，并通过ceres优化器解算全局位姿图模型，得到工作场景照片的的全局坐标，作为农机车辆定位坐标。
[0033]本专利技术第二方面，一种大棚内农机车辆定位系统，包括：
[0034]数据获取模块，用于获取若干连续的工作场景照片以及各工作场景照片的imu数据；
[0035]位姿处理模块，用于根据若干连续的工作场景照片以及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大棚内农机车辆定位方法，其特征在于，包括：获取若干连续的工作场景照片以及各工作场景照片的imu数据；根据若干连续的工作场景照片以及各工作场景照片的imu数据，得到各工作场景照片的相机相对位姿数据和imu相对位姿数据；根据各工作场景照片的相机相对位姿数据，构建相机位置三维图，并提取相机位置三维图中各工作场景照片的相机相对坐标；根据各工作场景照片的相机相对位姿数据和imu相对位姿数据，得到各工作场景照片的重力、相机速度和相机尺度；根据各工作场景照片的重力、相机速度和相机尺度，将相机位置三维图中各工作场景照片的相机相对坐标转换至水平坐标系，得到各工作场景照片在水平坐标系下的相机相对坐标；获取任一工作场景照片的GNSS卫星数据，并根据各工作场景照片在水平坐标系下的相机相对坐标和任一工作场景照片的GNSS卫星数据，通过ceres优化器，得到农机车辆定位坐标。2.根据权利要求1所述的大棚内农机车辆定位方法，其特征在于，所述根据若干连续的工作场景照片以及各工作场景照片的imu数据，得到各工作场景照片的相机相对位姿数据和imu相对位姿数据包括：采用光流法跟踪各工作场景照片中预设位置的特征点，得到特征点跟踪结果，并根据特征点跟踪结果计算各工作场景照片的相机相对位姿数据；采用用中点插值的方法，对各工作场景照片的imu数据进行预积分，得到各工作场景照片的imu相对位姿数据。3.根据权利要求1所述的大棚内农机车辆定位方法，其特征在于，所述根据各工作场景照片的相机相对旋转数据，构建相机位置三维图，并提取相机位置三维图中各工作场景照片的相机相对坐标包括：根据各工作场景照片的相机相对旋转数据，采用pnp算法，从第一张工作场景照片向最后一张工作场景照片构建第一三维图，并从最后一张工作场景照片向第一张工作场景照片构建第二三维图，融合第一三维图和第二三维图得到相机位置三维图；将相机位置三维图采用ceres优化器进行优化，提取优化后的相机位置三维图中各工作场景照片的相机相对坐标。4.根据权利要求1所述的大棚内农机车辆定位方法，其特征在于，所述根据各工作场景照片的相机相对位姿数据和imu相对位姿数据，得到各工作场景照片的重力、相机速度和相机尺度包括：根据各工作场景照片的相机相对位姿数据和imu相对位姿数据，计算各工作场景照片的imu偏移矩阵；根据各工作场景照片的相机相对位姿数据、imu数据以及imu偏移矩阵，优化各工作场景照片的imu相对位姿数据，得到各工作场景照片的优化imu相对位姿数据，以及计算各工作场景照片的雅可比矩阵和协方差矩阵；根据各工作场景照片的优化imu相对位姿数据、雅可比矩阵和协方差矩阵，采用ceres优化器，得到各工作场景照片的重力、相机速度和相机尺度。
5.根据权利要求4所述的大棚内农机车辆定位方法，其特征在于，所述计算各工作场景照片的雅可比矩阵和协方差矩阵包括：设定第一张工作场景照片的雅可比矩阵为单位矩阵，第一张工作场景照片的协方差矩阵为零矩阵；第二张工作场景照片至最后一张工作场景照片的雅可比矩阵分别为相邻上一张工作场景照片的雅可比矩阵乘...

【专利技术属性】
技术研发人员：李奕成，李晓宇，具大源，
申请(专利权)人：上海联适导航技术股份有限公司，
类型：发明
国别省市：