【技术实现步骤摘要】
本专利技术属于视觉定位，具体涉及一种基于动态分支预测的迭代求解的面向视觉定位方法。
技术介绍
1、视觉定位是自动驾驶，移动机器人，增强现实等应用中的核心模块。相比于传统的激光雷达定位，视觉定位具有小型化，成本低，获取信息丰富的优点，成为当前研究的热点。
2、视觉定位通常使用迭代求解的方法来优化设备的位置和姿态(简称为位姿)，现实中存在各种各样的噪声，这些都会对视觉定位算法造成很大的干扰。为了能够较为准确地得到设备的位姿，通常视觉定位算法中会构建最小二乘问题，通过迭代求解的方法，尽可能找到满足当前情况的最优解。
3、有许多经典的迭代解法，比如最速下降法，高斯牛顿法，列文伯格-马夸尔特法。其中，最速下降法虽然每次都可以沿着最大的梯度方向下降，但是在最优值附近容易产出震荡，不容易收敛。高斯牛顿法利用泰勒的二阶展开，在最优值附近有更好地近似效果，但是二阶矩阵在实际计算中过于复杂。列文伯格-马夸尔特法通过雅可比矩阵来近似求出二阶导数，同时利用阻尼因子来平衡下降速率和近似效果，在收敛速度和求解效果上都有不错的表现，被广泛使用
4、本文档来自技高网...
【技术保护点】
1.基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，包括下列步骤：
2.如权利要求1所述的基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，步骤二中，图像数据为二维灰度图像。
3.如权利要求2所述的基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，步骤二中，二维灰度图像的每个位置的像素值的值域为0~255。
4.如权利要求1所述的基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，步骤四中，图像预处理包括：特征点提取和特征点匹配。
5.如权利要求1所述的基于动态分支预测的迭代求解的面向视觉...
【技术特征摘要】
1.基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，包括下列步骤：
2.如权利要求1所述的基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，步骤二中，图像数据为二维灰度图像。
3.如权利要求2所述的基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，步骤二中，二维灰度图像的每个位置的像素值的值域为0~255。
4.如权利要求1所述的基于动态分支预测的迭代求解的面向视觉定位方法，其特征在于，步骤四中，图像预处理包括：特征点提取和特征点匹配。
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。