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：