一种复杂环境下基于最大相关熵视惯融合定位方法技术

本发明专利技术涉及智能网联汽车定位技术领域，且公开了一种复杂环境下基于最大相关熵视惯融合定位方法，首先采用图像对齐和I MU位姿解算策略估计相机位姿；然后采用逆深度滤波方法估计种子点深度；最后使用最大相关熵多状态约束扩展卡尔曼滤波对I MU与视觉进行位姿优化，并使用词袋模型的重定位算法防止系统丢失。采用的最大相关熵多状态约束卡尔曼滤波将视觉和I MU信息融合，以达到适应更多复杂噪声环境下的车辆定位，本发明专利技术解决了在多噪声环境中，利用视惯融合定位达到安全的可靠的定位精度，使车辆安全的行驶出复杂环境路段。

【技术实现步骤摘要】

本专利技术涉及智能网联汽车定位，具体为一种复杂环境下基于最大相关熵视惯融合定位方法。

技术介绍

1、智能网联汽车是指采用各种传感器和人工智能的手段达到自动驾驶避障规划路线等，综合了感知定位决策控制技术，形成的技术原理先进具有新技术新结构的汽车。

2、定位是其实现车联网以及做出各种规划决策方案的前提之一，会直接影响智能网联汽车的决策正确性和安全性，而实际驾驶中，复杂的环境会导致车辆定位失败进而引发一系列不可预估的事故，因此针对复杂环境下的定位精确性需要进一步提高，以保证汽行驶的安全性。

技术实现思路

1、本专利技术旨在提供一种基于视觉与imu融合定位方法，能解决对于复杂路况如gps信号缺失或非高斯噪声引起的定位失败问题，以达到智能汽车更高精度的定位，从而达到安全出行的目的。

2、本专利技术提供如下技术方案：一种复杂环境下基于最大相关熵视惯融合定位方法，采用图像对齐和imu位姿解算策略估计相机位姿；采用逆深度滤波方法估计种子点深度；使用最大相关熵多状态约束扩展卡尔曼滤波对imu与视觉进行位本文档来自技高网...

【技术保护点】

1.一种复杂环境下基于最大相关熵视惯融合定位方法，其特征在于：采用图像对齐和IMU位姿解算策略估计相机位姿；采用逆深度滤波方法估计种子点深度；使用最大相关熵多状态约束扩展卡尔曼滤波对IMU与视觉进行位姿优化，并使用词袋模型的重定位算法防止系统丢失。

2.根据权利要求1所述的一种复杂环境下基于最大相关熵视惯融合定位方法，其特征在于：包括以下步骤：

3.根据权利要求2所述的一种复杂环境下基于最大相关熵视惯融合定位方法，其特征在于：

4.根据权利要求书2所述的一种复杂环境下基于最大相关熵视惯融合定位方法，其特征在于：S2中逆深度滤波估计种子点深度：

<...

【技术特征摘要】

1.一种复杂环境下基于最大相关熵视惯融合定位方法，其特征在于：采用图像对齐和imu位姿解算策略估计相机位姿；采用逆深度滤波方法估计种子点深度；使用最大相关熵多状态约束扩展卡尔曼滤波对imu与视觉进行位姿优化，并使用词袋模型的重定位算法防止系统丢失。

2.根据权利要求1所述的一种复杂环境下基于最大相关熵视惯融合定位方法，其特征在于：包括以下...

【专利技术属性】
技术研发人员：司鹏举，杨申志，张雨豪，贾淼，高智峰，刘洋，刘雨轩，付主木，高颂，陶发展，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：