【技术实现步骤摘要】
本专利技术涉及子集选择算法的视觉slam无人机，具体为一种基于子集选择算法的视觉slam无人机。
技术介绍
1、同步定位与建图(slam)是通过传感器测量对机器人的姿态和环境状态进行联合状态估计；slam对研究机器人在未知环境中的自主导航有着至关重要的作用；由于相机的低成本和低功耗，使其成为视觉slam中最流行的传感器；可视化slam可以构建的地图有两种，分别是稀疏图和稠密图，虽然稀疏图相比于稠密图少了一部分细节，但是其在建立地图所需硬件要求不高方面具有优势；稀疏slam算法采用各种启发式方法来权衡slam算法的准确性和资源使用情况；其中一些启发式包括为每帧提取有限数量的特征测量，在slam估计期间使用帧的子集，或用有限数量的观察修剪最近添加的地图点；但是现代slam算法的可伸缩性在大规模环境和长期操作中仍然是一个挑战；在这种情况下，映射可以无限制地增长，这种增长限制了slam在计算资源、内存或通信带宽有限的平台上的适用性；因此，最好保持环境的有效表示，以避免超过这些资源约束。
2、限制资源使用的方法通常是限制地图的增长并通过专家进行调整，但是这种手动方法具有很多的缺点，如资源有限时，不能简化地图；即使有剩余资源时也会引入近似值等等，为此提出了一种基于子集选择算法的视觉slam无人机。
技术实现思路
1、针对现有技术的不足，本专利技术提供一种基于子集选择算法的视觉slam无人机，通过自动化的方式来简化映射，通过选择地图点的视觉slam作为一个优化问题，由此定义了一个效用
2、为实现上述目的，本专利技术提供如下技术方案：一种基于子集选择算法的视觉slam无人机，包括地图点选择框架和可视化slam表达；
3、地图点选择框架基于贪心算法对效用函数进行选取地图点，对所选取的地图点进行对比评估，确定所选取地图点的“质量”；
4、可视化slam表达基于稀疏视觉slam算法获得视觉特征描述符用于描述选定像素位置的局部图像纹理，视觉特征描述符的视点不变，在不同时间步长的抽象映射点观测值之间绘制对应关系。
5、优选地，所选取的地图点通过效用函数来量化点的“质量”，基于一般的效用函数，对于可用映射点v和所选子集s，存在对于所选子集s效用建模的函数f(s)，在有限的约束下，最大化效用的地图点描述为：
6、
7、其中f(s)为单调。
8、优选地，用于描述地图点效用的效用函数为次模函数；对于定义在集合v上的离散集合函数，f:＝2v→r，其边界收益定义为：
9、f(mi∣s):＝f(s∪{mi})-f(s)
10、其中mi是集合中的元素，函数f是次模的，边界收益具有收益递减的性质，对于任意的集合a和集合b，则有f(mi∣a)≥f(mi∣b)；根据f(s)为单调，正规化并服从基数约束k的次模函数，基于贪心算法返回一个1-e-1的近似，获得贪心解sg所获得的效用位于难以处理的最优集所获得的函数值的一个常数因子内，即：
11、f(sg)≥(1-e-1)f(s*)。
12、优选地，基于机器人的联合估计，后端将slam问题公式化，即x1：t、m1:n和相应的像素位置和z1:t，x1：t、m1:n和z1:t描述为：
13、p(x1:t,m1:n∣z1:t)
14、其中n表示映射点的总数，t表示估计的机器人姿态的总数；
15、基于使用映射点观测条件独立和应用贝叶斯规则，姿态和映射点的后验概率分解为：
16、
17、基于slam估计问题，设置噪声的类型为高斯噪声，获得非线性最小二乘问题，x1：t和m1:n的组合向量为变量y，非线性最小二乘问题基于估计的线性估计逼近描述为：
18、
19、其中λy是线性近似的信息矩阵，信息矩阵λy基于姿态和映射点的后验概率分解公式中线性近似获得的所有二次信息矩阵λy计算，λy计算公式为：
20、
21、其中jij是位姿j的映射点i的测量函数的雅可比矩阵，ωij的信息矩阵服从高斯噪声。
22、与现有技术对比，本专利技术具备以下有益效果：
23、本专利技术通过基于地图点选择算法，通过减少选取地图点的数量，提高地图点的“质量”来限制地图点总数和相关特征信息，从而减少slam建图的资源限制，并减少建图的时间消耗。
24、本专利技术通过提高地图点选取的“质量”，来降低地图点选取的数量，从而降低建图对于资源的限制。
25、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种基于子集选择算法的视觉SLAM无人机，其特征在于，包括地图点选择框架和可视化SLAM表达；
2.根据权利要求1所述的一种基于子集选择算法的视觉SLAM无人机，其特征在于，所选取的地图点通过效用函数来量化点的“质量”，基于一般的效用函数，对于可用映射点V和所选子集S，存在对于所选子集S效用建模的函数f(S)，在有限的约束下，最大化效用的地图点描述为：
3.根据权利要求2所述的一种基于子集选择算法的视觉SLAM无人机，其特征在于，用于描述地图点效用的效用函数为次模函数；对于定义在集合V上的离散集合函数，f:＝2V→R，其边界收益定义为：
4.根据权利要求1所述的一种基于子集选择算法的视觉SLAM无人机，其特征在于，基于机器人的联合估计，后端将SLAM问题公式化，即x1:t、m1:n和相应的像素位置和Z1:t，x1：t、m1:n和Z1:t描述为：
【技术特征摘要】
1.一种基于子集选择算法的视觉slam无人机，其特征在于，包括地图点选择框架和可视化slam表达；
2.根据权利要求1所述的一种基于子集选择算法的视觉slam无人机，其特征在于，所选取的地图点通过效用函数来量化点的“质量”，基于一般的效用函数，对于可用映射点v和所选子集s，存在对于所选子集s效用建模的函数f(s)，在有限的约束下，最大化效用的地图点描述为：
3.根据权利要...
【专利技术属性】
技术研发人员：任雪峰，
申请(专利权)人：北京卓翼智能科技有限公司，
类型：发明
国别省市：
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。