姿态估计方法、电子设备及存储介质技术

本申请公开了姿态估计方法、电子设备及存储介质，其中，姿态估计方法包括：获取终端设备的第一组件输出的第一数据，基于第一数据对终端设备的姿态进行预测，得到预测姿态数据；将预测姿态数据存入预设数据结构；获取终端设备的第二组件输出的第二数据，根据第二数据对应的第一时间戳，在预设数据结构中查找与第一时间戳最接近的第二时间戳对应的预测姿态数据；基于第二数据对第二时间戳对应的预测姿态数据进行姿态更新，得到更新后的第二时间戳对应的姿态数据和姿态协方差，并以此作为起点，进行姿态更新传播直至当前时刻，得到当前时刻更新后的预测姿态数据。本申请提升了多个传感器姿态估计的精度。姿态估计的精度。姿态估计的精度。

【技术实现步骤摘要】
姿态估计方法、电子设备及存储介质


[0001]本申请涉及虚拟
，尤其涉及一种姿态估计方法、电子设备及存储介质。

技术介绍

[0002]当前主流的AR眼镜姿态估计方法主要分为基于优化的方法和基于滤波的方法。基于优化方法的特点是精度高但耗时长，受限于AR平台的成本和算力需求，基于优化的方法在某种程度上很难满足实时性的要求；基于滤波的方法特点是算力需求低、实时性高，但精度受限于多种因素的影响，比如各个传感器数据精度、各个传感器是否同步以及同步后的效果是否足够好等因素影响。其中，多传感器的时间戳同步在基于EKF的滤波方法中显得至关重要，目前多传感器的时间戳同步多是基于硬件的时间不同和基于软件的时间同步，理论上，基于硬件的时间戳同步是当下最为准确的时间戳同步方法，但当面对数据量比较大(比如AR眼镜中高分辨率的图像)的传输时，数据的传输延时同样不可避免，而基于滤波的数据融合方式非常依赖于时间戳，当数据延时发生时往往会导致滤波算法产生错误的姿态估计，这也直接会导致用户体验较差。

技术实现思路

[0003]本申请提供一种姿态估计方法、电子设备及存储介质，用以解决现有技术中多个传感器之间时间戳不同步，导致姿态估计不准确的问题。
[0004]第一方面，本申请提供了一种姿态估计方法，包括：
[0005]获取终端设备的第一组件输出的第一数据，基于所述第一数据对所述终端设备的姿态进行预测，得到预测姿态数据；
[0006]将所述预测姿态数据存入预设数据结构，所述预设数据结构中的每个数据节点存储有所述预测姿态数据、所述预测姿态数据对应的时间戳以及分别用于指示前驱节点地址和后继节点地址的指针；
[0007]获取所述终端设备的第二组件输出的第二数据，根据所述第二数据对应的第一时间戳，在所述预设数据结构中查找与所述第一时间戳最接近的第二时间戳对应的预测姿态数据；
[0008]基于所述第二数据对所述第二时间戳对应的预测姿态数据进行姿态更新，得到更新后的第二时间戳对应的姿态数据和姿态协方差；
[0009]以所述更新后的第二时间戳对应的姿态数据和姿态协方差为起点，进行姿态更新传播，直到姿态更新传播至当前时刻，结束所述姿态更新传播，得到所述当前时刻更新后的预测姿态数据。
[0010]在一些实施例中，所述在所述预设数据结构中查找与所述第一时间戳最接近的第二时间戳对应的预测姿态数据，包括：
[0011]根据所述第二数据对应的第一时间戳，在所述预设数据结构中从当前时刻对应的数据节点通过数据节点存储的用于指示前驱节点地址的指针往回查找与所述第一时间戳
的时间差值在预设范围内的第二时间戳；
[0012]从所述预设数据结构中获取所述第二时间戳对应的预测姿态数据。
[0013]在一些实施例中，所述基于所述第二数据对所述第二时间戳对应的预测姿态数据进行姿态更新，得到更新后的第二时间戳对应的姿态数据和姿态协方差，包括：
[0014]基于扩展卡尔曼滤波算法，将所述第二时间戳对应的预测姿态数据与所述第二数据进行融合，得到更新后的第二时间戳对应的姿态数据和姿态协方差。
[0015]在一些实施例中，所述基于所述第二数据对所述第二时间戳对应的预测姿态数据进行姿态更新，得到更新后的第二时间戳对应的姿态数据和姿态协方差，包括：
[0016]建立所述第二时间戳对应的预测姿态数据与所述第二数据之间的残差方程；
[0017]根据所述残差方程，建立非线性优化问题；
[0018]求解所述非线性优化问题，得到更新后的第二时间戳对应的姿态数据和姿态协方差。
[0019]在一些实施例中，所述以所述更新后的第二时间戳对应的姿态数据和姿态协方差为起点，进行姿态更新传播，直到姿态更新传播至当前时刻，结束所述姿态更新传播，得到所述当前时刻更新后的预测姿态数据，包括：
[0020]以所述更新后的第二时间戳对应的姿态数据和姿态协方差为起点，根据公式一进行姿态更新传播，并将更新后的姿态存入所述预设数据结构来替换掉对应时间戳的所述预测姿态数据，直到姿态更新传播至当前时刻，结束所述姿态更新传播，得到所述当前时刻更新后的预测姿态数据；
[0021]其中，所述公式一为：
[0022][0023]其中，T
’
i
表示i时刻更新后的姿态，δ
i+1
表示i+1时刻相对于i时刻所述第一组件输出测量数据的变化，表示将i时刻更新后的姿态T
’
i
和δ
i+1
进行融合，k为所述第二时间戳对应的序号，n为当前时刻对应的序号。
[0024]在一些实施例中，所述预设数据结构为双向链表。
[0025]在一些实施例中，所述第一组件为惯性测量单元IMU，所述第二组件为相机，所述第二数据为图像数据，所述基于所述第一数据对所述终端设备的姿态进行预测，包括：
[0026]基于IMU预积分理论对所述终端设备的姿态进行预测，所述第一组件输出数据的频率比所述第二组件输出数据的频率高。
[0027]第二方面，本申请提供了一种电子设备，包括所述第一组件、所述第二组件、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，所述处理器执行所述程序时实现如第一方面任一项所述的姿态估计方法。
[0028]第三方面，本申请提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的姿态估计方法。
[0029]第四方面，本申请提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的姿态估计方法。
附图说明
[0030]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本申请一个实施例提供的姿态估计方法的流程示意图之一；
[0032]图2为本申请一个实施例提供的姿态更新传播的示意图；
[0033]图3为本申请一个实施例提供的姿态估计方法的流程示意图之二；
[0034]图4为本申请一个实施例提供的电子设备的实体结构示意图。
具体实施方式
[0035]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都属于本申请保护的范围。
[0036]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，以便本申请的实施例能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种姿态估计方法，其特征在于，包括：获取终端设备的第一组件输出的第一数据，基于所述第一数据对所述终端设备的姿态进行预测，得到预测姿态数据；将所述预测姿态数据存入预设数据结构，所述预设数据结构中的每个数据节点存储有所述预测姿态数据、所述预测姿态数据对应的时间戳以及分别用于指示前驱节点地址和后继节点地址的指针；获取所述终端设备的第二组件输出的第二数据，根据所述第二数据对应的第一时间戳，在所述预设数据结构中查找与所述第一时间戳最接近的第二时间戳对应的预测姿态数据；基于所述第二数据对所述第二时间戳对应的预测姿态数据进行姿态更新，得到更新后的第二时间戳对应的姿态数据和姿态协方差；以所述更新后的第二时间戳对应的姿态数据和姿态协方差为起点，进行姿态更新传播，直到姿态更新传播至当前时刻，结束所述姿态更新传播，得到所述当前时刻更新后的预测姿态数据。2.根据权利要求1所述的姿态估计方法，其特征在于，所述在所述预设数据结构中查找与所述第一时间戳最接近的第二时间戳对应的预测姿态数据，包括：根据所述第二数据对应的第一时间戳，在所述预设数据结构中从当前时刻对应的数据节点通过数据节点存储的用于指示前驱节点地址的指针往回查找与所述第一时间戳的时间差值在预设范围内的第二时间戳；从所述预设数据结构中获取所述第二时间戳对应的预测姿态数据。3.根据权利要求1所述的姿态估计方法，其特征在于，所述基于所述第二数据对所述第二时间戳对应的预测姿态数据进行姿态更新，得到更新后的第二时间戳对应的姿态数据和姿态协方差，包括：基于扩展卡尔曼滤波算法，将所述第二时间戳对应的预测姿态数据与所述第二数据进行融合，得到更新后的第二时间戳对应的姿态数据和姿态协方差。4.根据权利要求1所述的姿态估计方法，其特征在于，所述基于所述第二数据对所述第二时间戳对应的预测姿态数据进行姿态更新，得到更新后的第二时间戳对应的姿态数据和姿态协方差，包括：建立所述第二时间戳对应的预测姿态数据与所述第二数据之间的残差方程；根据所述残差方程，建立非线性优化问题；求解所述非线性优化问题，得到更新后的第二时间戳对应的姿态数据和姿态协方差...

【专利技术属性】
技术研发人员：董海青，
申请(专利权)人：湖北星纪时代科技有限公司，
类型：发明
国别省市：