【技术实现步骤摘要】
【国外来华专利技术】使用反射地标和其它特征估计定位装置的姿态的系统和方法
[0001]本专利技术涉及用于确定定位装置在时间t
k
的状态x
k
的方法,并且涉及计算机程序产品和组件。
技术介绍
[0002]机器人(例如,无人机)的室内导航例如在自动仓储领域中是重要问题。这种机器人是定位代理。为了便于室内导航,机器人(例如,无人机)需要知道其相对于其环境的当前位置。与可以使用GNSS(全球导航卫星系统)从而提供高定位精度的室外环境相反,由于信号衰减和多路径效应,室内环境中的GNSS通常不可靠。用于室内和室外空间的现有RF定位技术也面临信号衰减和多路径效应问题,从而限制在复杂环境中(例如,在存在大量金属的情况下)的可用性。
[0003]在现有技术中,用于室内定位的光学定位系统是已知的。这种光学定位系统从由相机捕获的图像提取信息。然后,在将二维相机图像中的特征的坐标与对应于所述特征的三维光线相关联之后,可以通过使用三角测量技术计算要确定其姿势的对象的位置。通常以第一原理相机模型(诸如针孔或鱼眼相机模型)和校准失真模型(通常捕获透镜特性、安装公差和与第一原理模型的其它偏差)的组合来捕获图像坐标和三维光线之间的关系。
[0004]在现有技术中已知的用于确定定位装置的位置的光学定位系统中,相机可以刚性安装在定位装置外部,从而观察定位装置的运动(“由外向内跟踪”),或者,相机可以被安装在定位装置自身上,从而观察环境的明显运动(“由内向外跟踪”)。由外向内跟踪定位系统通常相对于相机的已知位置来确定定位装置 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于确定定位装置在时间t
k
的状态x
k
(9)的方法,状态x
k
是状态随机变量X
k
的实现,所述方法包括:a)接收室内环境(15)中的感兴趣场景(15)的第一图像(1),其中,室内环境(15)包括在世界坐标系(12)中具有已知位置的N个预先布置的地标(16),N是自然数;b)接收室内环境(15)中的感兴趣场景(15)的第二图像(2);c)接收定位装置在时间t
k
的状态估计(3);d)接收所述感兴趣场景(15)中的n个当前映射的同时定位与地图构建SLAM地标(4)的位置,其中,地图状态s
k
至少包括(i)定位装置的状态x
k
、(ii)所述n个当前映射的SLAM地标(4)的位置和(iii)n个预先布置的地标(16)的位置;e)确定(5)第一图像(1)中的M个特征的位置,M是小于或等于N的自然数,并且,确定(5)从所述M个特征到所述N个预先布置的地标(16)的集合的单射估计;f)确定(6)第二图像(2)中的L个SLAM特征的位置,并且确定L个SLAM特征中的m个SLAM特征,其中,所述m个SLAM特征与所述n个当前映射的SLAM地标(4)相关,并且,确定(6)从所述m个SLAM特征到所述n个当前映射的SLAM地标(4)的集合的SLAM单射估计;g)使用确定的单射估计和确定的SLAM单射估计以建立(7)作为状态空间模型的一部分的联合观察模型,其中,联合观察模型被配置为将地图状态随机变量S
k
映射到联合观察随机变量Z
k
上,其中,地图状态s
k
是地图状态随机变量S
k
的实现,且在时间t
k
处观察z
k
是联合观察随机变量Z
k
的实现,并且,其中,所述观察包括第一图像(1)中的所述M个特征中的至少一个的位置和第二图像(2)中的所述m个SLAM特征中的至少一个的位置;以及h)使用(8)(i)状态估计(3)、(ii)联合观察模型和(iii)观察z
k
以确定定位装置在时间t
k
的状态x
k
(9),并且更新所述n个当前映射的SLAM地标的位置。2.根据权利要求1所述的方法,其中,第一图像(1)和第二图像(2)是在时间t
k
处捕获的。3.根据权利要求1或2所述的方法,其中,联合观察模型包括第一观察模型,第一观察模型描述了将所述N个预先布置的地标(16)中的至少一个映射到所述M个特征中的所述至少一个的位置上,所述N个预先布置的地标(16)中的所述至少一个经由单射估计对应于所述M个特征中的所述至少一个;并且,其中,联合观察模型包括SLAM观察模型,SLAM观察模型描述了将所述n个当前映射的SLAM地标(4)中的至少一个映射到所述m个SLAM特征中的所述至少一个的位置上,所述n个当前映射的SLAM地标(4)中的所述至少一个经由SLAM单射估计对应于所述m个SLAM特征中的所述至少一个。4.根据权利要求1至3中任一项所述的方法,其中,单射估计,随后称为IME,将所述M个特征与M个预先分配的地标相链接,并且,其中,SLAM单射估计,随后称为SLAM
‑
IME,将所述m个SLAM特征与m个SLAM地标相链接,其中,对于所述M个特征中的特征i,对应的地标是地标IME(i),并且,其中,对于所述m个SLAM特征中的特征j,对应的SLAM地标是SLAM地标SLAM
‑
IME(j),并且,其中,对于特征地标对(i,IME(i))和对于SLAM特征/SLAM地标对(j,S7LAM
‑
IME(j)),联合观察模型链接观察随机变量Z
k,i
和Z
k,j
,其中,对于状态随机变量X
k
以及地标位置POS(IME(i))和SLAM地标POS(SLAM
‑
IME(j),k),联合观察随机变量Z
k
包括观察随机变量Z
k,i
和Z
k,j
:Z
k,i
=h1(X
k
,POS(IME(i))),i=1,
…
,M,并且Z
k,j
=h
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。