一种面向边缘设备的视觉SLAM关键帧选择方法和装置制造方法及图纸

一种面向边缘设备的视觉SLAM关键帧选择方法和装置，其方法包括：步骤S1对地图估计误差进行建模,建立一个误差模型，用于描述边缘设备在执行SLAM任务中相机位姿估计的误差，该误差模型能够考虑边缘设备的计算和存储资源限制；步骤S2量化地图估计误差，并将关键帧选择问题转化为最小化测量噪声的问题，将问题简化为可解的形式；步骤S3将关键帧选择问题转化为近似子模问题，利用已有的优化算法来寻找最优解；步骤S4应用贪心算法寻找近似最优解，贪心算法通过每次选择局部最优解来逐步构建全局最优解，从而在有限的计算资源下有效地解决关键帧选择问题。本发明专利技术保证了在网络资源受限情况下SLAM建图的质量，同时有效减少了数据传输量和时间延迟。

【技术实现步骤摘要】

本专利技术属于边缘设备的视觉slam(vslam)应用领域，涉及一种基于误差优化的关键帧选择方法和装置。

技术介绍

0、技术背景

1、视觉slam(simultaneous localization and mapping)是一种用于实现机器或机器人同时定位和地图构建的技术。它通过从传感器(通常是摄像头)收集的信息，以及运动和环境感知算法的结合，实现在未知环境中同时确定设备的位置并创建地图。视觉slam技术在许多领域都有广泛应用，包括机器人导航、虚拟现实、增强现实、自动驾驶和工业自动化等。

2、边缘设备在执行vslam局部地图构建的同时，也需将高质量视频传输至直播服务器，供用户观看。然而，边缘设备有限的网络资源难以同时满足这两项任务的要求。在网络资源受限的情况下，通常会优先确保视频直播的流畅性，因为这直接影响用户的交互体验；并限制了slam建图可用的网络资源。

3、面对网络资源受限的问题，现有研究提出了一些关键帧选择算法。关键帧选择算法是在视频压缩、视频摘要生成、视频检索，人机交互等应用中常用的技术，它能够从视频序列中选本文档来自技高网...

【技术保护点】

1.一种面向边缘设备的视觉SLAM关键帧选择方法，其特征在于：包括如下步骤：

2.根据权利要求1所述一种面向边缘设备的视觉SLAM关键帧选择方法，其特征在于：步骤S1中所述对地图估计误差进行建模，包括：建立误差模型其中pn表示地图估计误差，Pn＝(x,y,z,wx,wy,wz)表示一个相机在n点的位置与姿态，表示特征点Pn的最大似然估计值，n∈K，K表示地图跟踪模块生成的候选关键帧对应的相机点位集合。

3.根据权利要求1所述一种面向边缘设备的视觉SLAM关键帧选择方法，其特征在于：步骤S2中所述量化地图估计误差，将求解任意两点间估计误差的最小值转化为求解最小噪声，...

【技术特征摘要】

1.一种面向边缘设备的视觉slam关键帧选择方法，其特征在于：包括如下步骤：

2.根据权利要求1所述一种面向边缘设备的视觉slam关键帧选择方法，其特征在于：步骤s1中所述对地图估计误差进行建模，包括：建立误差模型其中pn表示地图估计误差，pn＝(x,y,z,wx,wy,wz)表示一个相机在n点的位置与姿态，表示特征点pn的最大似然估计值，n∈k，k表示地图跟踪模块生成的候选关键帧对应的相机点位集合。

3.根据权利要求1所述一种面向边缘设备的视觉slam关键帧选择方法，其特征在于：步骤s2中所述量化地图估计误差，将求解任意两点间估计误差的最小值转化为求解最小噪声，计算方式为δe＝pm-pn+xe，其中δe表示slam地图中任意两点n，m之间的相对噪声，xe表示边e＝(m,n)上的测量误差，借助马氏距离(mahalanobis distance)来求解地图空间里任意两点的测量噪声之和的最小值，计算方式为其中表示边测量噪声的极大似然估计，ie表示边e测量误差的信息矩阵，是估计测量噪声关于误差信息矩阵ie的马氏范数。

4.根据权利要求1所述一种面向边缘设备的视觉slam关键帧选择方法，其特征在于：步骤s3中所述将关键帧选择问题转化为近似子模问题，包括：用子模函数刻画具有“边际增益递减...

【专利技术属性】
技术研发人员：董玮，高艺，王竟，段瑶光，
申请(专利权)人：杭州开物教育科技有限公司，
类型：发明
国别省市：