[go: up one dir, main page]

CN116678391A - 自移动设备及其多传感器的标定方法、存储介质 - Google Patents

自移动设备及其多传感器的标定方法、存储介质 Download PDF

Info

Publication number
CN116678391A
CN116678391A CN202310361895.0A CN202310361895A CN116678391A CN 116678391 A CN116678391 A CN 116678391A CN 202310361895 A CN202310361895 A CN 202310361895A CN 116678391 A CN116678391 A CN 116678391A
Authority
CN
China
Prior art keywords
motion
sensor
coordinate system
information
sensors
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310361895.0A
Other languages
English (en)
Inventor
刘元财
张泫舜
陈浩宇
谭跃琪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ecoflow Technology Ltd
Original Assignee
Ecoflow Technology Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ecoflow Technology Ltd filed Critical Ecoflow Technology Ltd
Priority to CN202310361895.0A priority Critical patent/CN116678391A/zh
Publication of CN116678391A publication Critical patent/CN116678391A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01D—HARVESTING; MOWING
    • A01D34/00—Mowers; Mowing apparatus of harvesters
    • A01D34/006—Control or measuring arrangements
    • A01D34/008—Control or measuring arrangements for automated or remotely controlled operation
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/24—Floor-sweeping machines, motor-driven
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供了一种自移动设备及其多传感器的标定方法、存储介质，自移动设备包括图像采集装置和多个传感器，图像采集装置和传感器之间进行刚性连接，多传感器标定方法包括：通过图像采集装置获取预设时间段内的图像信息；基于图像信息确定自移动设备在世界坐标系下的第一运动轨迹；通过多个传感器获取预设时间段内的多个第二运动轨迹；其中，每个第二运动轨迹在各自的传感器坐标系下；根据第一运动轨迹和每个第二运动轨迹，计算每个传感器坐标系转换到世界坐标系下的变换矩阵；将变换矩阵作为对应所述传感器的标定参数。能实现自移动设备内的多个传感器的动态实时标定。

Description

自移动设备及其多传感器的标定方法、存储介质
技术领域
本申请涉及自移动设备技术领域，尤其涉及一种自移动设备及其多传感器的标定方法、存储介质。
背景技术
自移动设备无监督的运动感知与规划是自移动设备技术与自动驾驶技术结合的重点攻关技术，需要搭载多个传感器以确保自移动设备的感知能力。但由于每个传感器只能描述所处的单个空间下的运动，相关的多传感器标定方案是基于标定板对多个传感器进行静态标定，该静态标定的方式受制于环境，使得标定具有局限性，导致标定效果不甚理想。
发明内容
本申请提供了一种自移动设备及其多传感器的标定方法、存储介质，旨在解决相关的自移动设备的标定方法是基于标定板对多个传感器进行静态标定导致标定效果不甚理想的问题。
第一方面，本申请提供了一种多传感器标定方法，应用于自移动设备，自移动设备包括图像采集装置和多个传感器，图像采集装置和传感器之间进行刚性连接，多传感器标定方法包括：
通过图像采集装置获取预设时间段内的图像信息；
基于图像信息确定自移动设备在世界坐标系下的第一运动轨迹；
通过多个传感器获取预设时间段内的多个第二运动轨迹；其中，每个第二运动轨迹在各自的传感器坐标系下；
根据第一运动轨迹和每个第二运动轨迹，计算每个传感器坐标系转换到世界坐标系下的变换矩阵；
将变换矩阵作为对应传感器的标定参数。
第二方面，本申请实施例提供了一种自移动设备，自移动设备包括图像采集装置、多个传感器和控制器，图像采集装置和传感器之间进行刚性连接，控制器分别和图像采集装置以及传感器连接，控制器用于实现本申请实施例提供的多传感器标定方法的步骤。
第三方面，本申请实施例提供了一种自移动设备，包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，所述存储器存储有策略模型，其中所述计算机程序被所述处理器执行时，实实现本申请实施例提供的多传感器标定方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时使处理器实现本申请实施例提供的多传感器标定方法的步骤。
本申请提供了一种自移动设备及其多传感器的标定方法、存储介质，所提供的多传感器标定方法通过图像采集装置获取预设时间段内的图像信息确定自移动设备在世界坐标系下的第一运动轨迹，通过多个传感器获取预设时间段内在各自的传感器坐标系下的多个第二运动轨迹，根据第一运动轨迹和每个第二运动轨迹，计算每个传感器坐标系转换到世界坐标系下的变换矩阵作为对应传感器的标定参数。如此，能在预设时间段内通过图像采集装置采集的第一预设轨迹与多个传感器对应的第二运动轨迹分别求取对应的变换矩阵，将多个传感器对应的第二运动轨迹转换到世界坐标系下，完成对多个传感器的标定。可以在不受制于自移动设备的运行环境的情况下完成对多个传感器的动态标定，标定的效果得到大幅提升，加强自移动设备的感知能力。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例所提供的一种自移动设备的结构示意图；
图2是本申请实施例提供的一种多传感器标定方法的第一种实现流程图；
图3是本申请实施例提供的一种多传感器标定方法的第二种实现流程图；
图4是本申请实施例提供的一种多传感器标定方法的第三种实现流程图；
图5是本申请实施例提供的一种多传感器标定方法的第四种实现流程图；
图6是本申请实施例提供的一种多传感器标定方法的第五种实现流程图；
图7是本申请实施例提供的一种多传感器标定方法的第六种实现流程图；
图8是本申请实施例提供的一种多传感器标定方法的第七种实现流程图；
图9为本申请实施例提供的一种自移动设备的示意性框图。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
应当理解，为了便于清楚描述本申请实施例的技术方案，在本申请的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。例如，第一运动轨迹和第二运动轨迹仅仅是为了区分不同的运动轨迹，并不对其先后顺序进行限定。本领域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
还应当进理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
为便于理解本申请实施例，下面对本申请实施例中涉及到的一些词汇作简单说明。
1.自移动设备：可以是包含自移动辅助功能的设备。其中，自移动辅助功能可以是车载终端实现，相应的自移动设备可以是具有该车载终端的车辆。自移动设备还可以是半自移动设备或者完全自主移动设备。例如，割草机、扫地机、具有导航功能的机器人等。
2.世界坐标系：由于摄像机可安放在环境中的任意位置，在环境中选择一个基准坐标系来描述摄像机的位置，并用它描述环境中任何物体的位置，该坐标系称为世界坐标系。摄像机坐标系与世界坐标系之间的关系可以用旋转矩阵与平移向量来描述。
3.重投影误差(Reprojection error)：指的真实三维空间点在图像平面上的投影(也就是图像上的像素点)和重投影(其实是用计算值得到的虚拟的像素点)的差值。因为种种原因计算得到的值和实际情况不会完全相符，也就是图像上的像素点和计算值得到的虚拟的像素点的差值不可能恰好为0，此时也就需要将这些差值的和最小化获取最优的相机位姿参数及三维空间点的坐标。
4.惯性传感器：惯性传感器是一种传感器，主要是检测和测量加速度、倾斜、冲击、振动、旋转和多自由度运动，是解决导航、定向和运动载体控制的重要部件。惯性传感器包括加速度计(或加速度传感计)和角速度传感器(陀螺)以及它们的单、双、三轴组合惯性测量单元(Inertial Measurement Unit，IMU)。
5.轮速里程计：基于安装在机器人上的车轮编码器来跟踪每个车轮的转数。转数被整合到一个机器人的运动模型中，以确定机器人相对于起始点的当前位置。
6.实时动态差分(Real-time kinematic，RTK)里程计：RTK里程计适用于布测外业数字测图、摄影测量与遥感以及等级较低的工程测量项目基础控制点。采用RTK来进行控制测量，能够实时知道定位精度。RTK里程计的测量，是完成实时的差分计算。也就是说，两个RTK里程计都在计算其的中心的平移运动信息，并根据两个RTK里程计的位置信息和平移运动信息能够确定所搭载的设备的运动信息。
7.视觉里程计(Visual Odometry，VO)：视觉里程计的目标是根据拍摄的图像估计相机的运动。它的主要方式分为特征点法和直接方法。其中，特征点方法目前占据主流，能够在噪声较大、相机运动较快时工作，但地图则是稀疏特征点；直接方法不需要提特征，能够建立稠密地图，但存在着计算量大、鲁棒性不好的缺陷。
8.手眼标定：在机械臂与摄像头进行协同工作时，为了使得相机(亦即机器人的眼)与机器人(亦即机器人的手)坐标系之间建立关系就必须要对机器人与相机坐标系进行标定，该标定过程也就叫做手眼标定。
9.最小二乘法：最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
10.高斯牛顿法：高斯-牛顿迭代法的基本思想是使用泰勒级数展开式去近似地代替非线性回归模型，然后通过多次迭代，多次修正回归系数，使回归系数不断逼近非线性回归模型的最佳回归系数，最后使原模型的残差平方和达到最小。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
为实现自移动设备的无监督的运动感知与规划，需要搭载多个传感器以确保自移动设备的感知能力，但相关的基于标定板对多个传感器进行静态标定受限于环境，导致标定效果不甚理想。
请参阅图1，图1是本申请实施例所提供的一种自移动设备的结构示意图。所提供的自移动设备100包括图像采集装置10、多个传感器20和控制器30，图像采集装置10和传感器20之间进行刚性连接，控制器30和图像采集装置10以及传感器20连接，控制器30用于处理自移动设备100内的图像采集装置10以及多个传感器20的标定。
通过控制器10获取图像采集装置10在预设时间段内采集的图像信息进行解析，获取自移动设备100在世界坐标系下的第一运动轨迹。以及多个传感器20在预设时间段采集的第二运动轨迹，每个传感器20的第二运动轨迹在各自传感器20所在的传感器坐标系下。分别对第一运动轨迹和每个第二运动轨迹进行求解计算，能够获得各传感器20的坐标系转换到世界坐标系下的变换矩阵，将变换矩阵作为对应的传感器20的标定参数。能将传感器20的第二运动轨迹从传感器坐标系转换到世界坐标系，完成对自移动设备100内的图像采集装置10和多个传感器20的实时标定，使得标定效果得到大幅提升，并加强自移动设备100的感知能力。
在一些实施例中，自移动设备可以是包含自移动辅助功能的设备。其中，自移动辅助功能可以是车载终端实现，相应的自移动设备可以是具有该车载终端的车辆。自移动设备还可以是半自移动设备或者完全自主移动设备。例如，割草机、扫地机器人和巡检机器人等具有导航功能的机器人，具体类别不受本申请实施例和附图限制，本申请以自移动设备100为割草机为例进行说明。
示例性的，控制器13为自移动设备100内集成的MCU(Microcontroller Unit，微控制单元)，通过在自移动设备100内集成MCU能够实现对图像采集装置10和多个传感器20的实时标定。
示例性的，在一些实施例中，图像采集装置10为单目相机。在一些实施例中，图像采集装置10为双目相机。图像采集装置10的类型为根据自移动设备100的工作场景进行确定，不受本申请实施例和附图影响。
上述各实施例提供的自移动设备，在工作过程中通过控制器完成图像采集装置与多个传感器的实时标定，能提升自移动设备内多传感器标定的准确性，并加强自移动设备的感知能力。
为解决自移动设备搭载多个传感器时，相关的静态标定方法导致标定效果不甚理想的问题，请参阅图2，图2是本申请实施例提供的一种多传感器标定方法的第一种实现流程图。该方法应用于本申请任一项实施例所提供的自移动设备。
如图2所示，自移动设备的控制器用于实现步骤S101-步骤S105。
S101.通过图像采集装置获取预设时间段内的图像信息。
具体地，在自移动设备移动过程中，通过获取图像采集装置在预设时间段内采集的图像信息，为后续世界坐标系的建立做准备。在预设采集时间段内获取图像采集装置采集的图像信息和多个传感器所采集的传感信息，使得图像信息和传感器信息的采集具有映射关系，实现对自移动传感器内多个传感器的实时同步标定。
其中，图像采集装置可以是单目相机和双目相机，单目相机可以是RGB相机或深度相机等，此处不做限定。预设时间段是指图像采集装置获取图像信息的开始时刻到结束时刻的时间段。例如，开始时刻为t0到结束时刻t1之间的时间段。
S102.基于图像信息确定自移动设备在世界坐标系下的第一运动轨迹。
具体地，通过解析图像采集装置在预设时间段内所采集的图像信息，解析图像信息获得自移动设备在预设时间段内的第一轨迹信息，第一轨迹信息在图像采集装置所对应的相机坐标系下。将相机坐标系确定为世界坐标系，能够确定自移动设备在世界坐标系下的第一运动轨迹，通过第一运动轨迹的确定能够为后续将多传感器的坐标转换到世界坐标系的手眼标定工作做准备。
S103.通过多个传感器获取预设时间段内的多个第二运动轨迹；其中，每个第二运动轨迹在各自的传感器坐标系下。
具体地，通过获取多个传感器在预设时间段内的多个第二运动轨迹，每个第二运动轨迹在各自传感器的坐标系下，由于第二运动轨迹与图像采集装置的第一运动轨迹是在同一预设时间段内所采集的自移动设备的运动轨迹，因此将第二运动轨迹转换到第一运动轨迹所处的世界坐标系下的标定的准确性能够得到大幅提升。
S104.根据第一运动轨迹和每个第二运动轨迹，计算每个传感器坐标系转换到世界坐标系下的变换矩阵。
具体地，根据第一运动轨迹和每个第二运动轨迹进行一一计算，获取每个传感器坐标系转换到第一运动轨迹所在的世界坐标系下的变换矩阵，通过变化矩阵能将第二运动轨迹从传感器坐标系转换到世界坐标系中。
S105.将变换矩阵作为对应传感器的标定参数。
具体地，通过每个传感器的变换矩阵与第二运动轨迹进行计算，能将传感器的第二运动轨迹从对应的传感器坐标系转换为世界坐标系，通过对多个传感器一一通过对应的变换矩阵进行转换能够完成对多个传感器的标定，由于传感器所采集的第二运动轨迹和图像采集装置所采集的第一运动轨迹均是在预设时间段内采集，能实现自移动设备的多传感器的同步联合标定，即可以在不受制于自移动设备的运行环境的情况下完成对多个传感器的动态标定，提高标定精度。
图3是本申请实施例提供的一种多传感器标定方法的第二种实现流程图。如图3所示，作为一个实施例，步骤S102的具体实现还包括步骤S201～S206。
S201.从预设时间段内获取最早时间戳对应的图像信息。
通过获取预设时间段内最早的时间戳对应的图像信息，例如，开始时刻为t0到结束时刻t1之间的时间段中t0时刻对应的图像信息。
S202.根据最早时间戳对应的图像信息，确定图像采集装置的初始相机位姿。
在一些实施方式中，可以通过特征点法、小孔成像模型、三角测量或者P3P等相关技术方式计算图像采集装置的初始相机位姿。
S203.将初始相机位姿作为世界坐标系的原点，并建立世界坐标系。
可以理解的是，以初始相机位姿作为世界坐标系原点，并构建的世界坐标系，可以作为其他传感器所要映射的参考坐标系，使得其他传感器采集的数据信息可以映射到同一坐标系中，便于映射后的数据信息具有相同的量纲。
S204.根据图像信息获取自移动设备在世界坐标系下的初始运动轨迹。
具体地，可以设定轨迹采样时间段，并获取轨迹采样时间段内的多帧图像信息，并通过光流追踪方法追踪图像信息中的特征点，得到特征点在轨迹采样时间段内的移动距离，进而形成初始运动轨迹。在一些实施例中，当图像采集装置为单目相机时，通过特征点法完成单目相机的初始化，即得到初始相机位姿之后，通过单目相机获取初始帧图像和初始帧的下一帧图像，其中，初始帧图像具有150个特征点，并基于初始帧图像追踪下一帧图像，得到匹配的110个特征点，根据110个特征点进行求解能够获得两帧图像之间的初始运动轨迹。
示例性的，当图像采集装置所采集的两帧图像分别为I1和I2时，若空间点P在I1上对应的像素点为p1，若空间点P在I2上对应的像素点为p2，图像I1和I2对应的相机坐标原点分别是O1和O2，由P、O1和O2三点之间能确定极平面(Epipolar plane)，O1和O2的连线与像平面I1和I2的交点为e1和e2。e1和e2称为极点(Epipoles)，O1和O2称为基线(Baseline)。极平面与像平面I1和I2的相交线称l1和l2为极线(Epipolar line)。而从I1到I2的运动称为R和t，其中R为从I1到I2的旋转矩阵，t为从I1到I2的平移向量。故存在对极约束如下式所示：
式中x1和x2为P、O1和O2确定的归一化平面上像素点p1和像素点为p2对应的坐标点。E＝t^R为本质矩阵，R和t分别为从I1到I2的旋转矩阵和平移向量。因此通过对两帧图像上特征点进行匹配，能够求解出多个本质矩阵进而求解出相机的初始位姿。例如，在获得图像信息中最早时间戳对应的初始图像与其下一帧图像的本质矩阵E后，通过对本质矩阵E进行奇异值分解能获得旋转矩阵R和平移向量t，旋转矩阵R和平移向量t为相机的初始位姿。通过依次求解下一帧图像的本质矩阵，能够获得图像信息中相邻两帧图像的旋转矩阵R和平移向量t，以获得自移动设备在单目相机在预设时间段内在所对应的相机坐标系下的初始运动轨迹。S205.确定初始运动轨迹的重投影误差。
在一些实施方式中，可以基于初始运动轨迹、最小二乘方程和预设的高斯牛顿法，求解重投影误差。
S206.根据重投影误差与初始运动轨迹生成第一运动轨迹。
在本申请实施例中，将该初始相机位姿能够作为世界坐标系的原点以建立世界坐标系，并根据图像信息获取自移动设备的初始运动轨迹。通过求解并消去所获得的初始运动轨迹的重投影误差，能够生成优化后的自移动设备在预设时间段内的第一运动轨迹，基于该第一运动轨迹将其他传感器的坐标系转换到世界坐标系下，能够准确对多个传感器完成标定。
需要说明的是，在一些实施例中，确定初始运动轨迹的重投影误差，包括：确定最小二乘方程；基于初始运动轨迹、最小二乘方程和预设的高斯牛顿法，求解重投影误差。
对于图像采集装置采集到的n个三维空间点P和其投影p，能得到重投影误差如下式所示：
式中ei为重投影误差，Pi为P中某个空间点的坐标，ui为Pi的投影坐标，ξ为R和t的李群。
将重投影误差求和构建最小二乘法问题，作为优化的目标函数，得到下式:
式中ξ*为最小化重投影误差，Pi为P中某个空间点的坐标，ui为Pi的投影坐标，ξ为R和t的李群，李群是具有群结构的流形或者复流形，并且群中的加法运算和逆元运算是流形中的解析映射，K为相机的内参。
在构建完最小化重投影误差求解的目标函数后，采用高斯牛顿法对目标函数进行展开，高斯牛顿法的原理如下式：
f(ξ+△ξ)≈f(ξ)+J(ξ)T△ξ
式中f(ξ)为优化的目标函数，ξ为R和t的李群，△ξ为增量，J(ξ)T为f(ξ)关于ξ的倒数，J(ξ)为一个雅克比矩阵。
故通过高斯牛顿法对最小化重投影误差ξ*展开，求解△ξ，能够得到：
上式对△x进行求导能得到：
J(ξ)TJ(ξ)△ξ＝-J(ξ)f(ξ)
该式子为关于增量△x的线性方程组，称为增量方程。
故基于初始运动轨迹、最小二乘方程和预设的高斯牛顿法，求解重投影误差需要先给定初始的旋转矩阵R和平移向量t，通过高斯牛顿法对最小化重投影误差ξ*展开，再对展开式进行k次迭代求解出当前的雅克比矩阵J(ξk)和重投影误差f(ξk)，再求解增量方程△ξ，当增量△ξ足够小时停止迭代，否则继续迭代直至符合停止条件。
需要说明的是，在一些实施例中，停止条件为增量△ξ小于0.2。在一些实施例中，停止条件为增量△ξ小于0.5。在一些实施例中，停止条件为增量△ξ小于1。停止条件为根据优化目标进行设定，不受本申请实施例和附图限制。
图4是本申请实施例提供的一种多传感器标定方法的第三种实现流程图。如图4所示，作为一个实施例，与图2对应的实施例不同的是，在步骤104之前，图4对应的实施例中还包括步骤S301～步骤S303。
S301.分别获取图像采集装置的第一采集频率和每个传感器的第二采集频率。
为了使得图像采集装置的图像信息和其他传感器采集的定位信息具有时间上的匹配，需获取图像采集装置的第一采集频率和每个传感器的第二采集频率。S302.从第一采集频率和第二采集频率中，确定最低的采集频率作为目标采集频率。
在一实施例中，传感器可以包括RTK传感器、惯性测量传感器和轮速里程计计等。由于RTK传感器的定位信号采集频率最低，可以将RTK采集频率作为目标采集频率。采用RTK采集频率对其他包括图像采集装置在内的传感器进行时间匹配，使得任意两帧定位信号匹配上该时刻对应的其他传感器的运动信息(即对应的第二运动轨迹上的点)。
示例性的，当图像采集装置的频率为50HZ，多个传感器分别为惯性传感器、轮速里程计以及实时动态测量里程计，采集频率分别为60HZ、45HZ以及10HZ，将实时动态测量里程计的采集频率10HZ作为目标采集频率，基于目标采集频率将各个轨迹上的轨迹点进行时间匹配。使得在相同时刻内的第二运动轨迹的第二轨迹点映射到第一运动轨迹上的第一轨迹点，即使得任意两帧实时动态测量里程计测得的第二运动轨迹匹配上该时刻对应的图像采集装置、惯性传感器以及轮速里程计所测得的第一运动轨迹和第二运动轨迹。实现图像采集装置和多个传感器的数据配准。
S303.基于目标采集频率，将第一运动轨迹上的第一轨迹点和第二运动轨迹的第二轨迹点进行映射，得到第一轨迹点所匹配的第二轨迹点。
通过获取自移动设备内图像采集装置的第一采集频率以及每个传感器的第二采集频率，从第一采集频率和第二采集频率中选取最低采集频率作为目标采集频率，基于目标采集频率将多个传感器的第二运动轨迹的第二轨迹点映射到第一运动轨迹上的第一轨迹点，能够完成图像采集装置内多传感器标定方法的时间同步，确保世界坐标系内的各个运动轨迹对应的时间段完全相同，提供标定方法的准确性。
在一些实施例中，自移动设备的传感器包括惯性传感器，请参阅图5，图5是本申请实施例提供的一种多传感器标定方法的第四种实施例实现流程图。如图5所示，作为一个实施例，步骤S103的具体实现还包括步骤S401-步骤S403。
S401.在惯性传感器的坐标系下，获取预设时间段内的自移动设备的运动距离信息和姿态信息。
具体地，惯性传感器包括加速度计和陀螺仪，通过在惯性传感器的坐标系下，在预设时间段内对加速度计测得的加速度进行积分能够获取在预设时间段内自移动设备的运动距离，再通过陀螺仪获取预设时间段内的姿态信息。
S402.获取惯性传感器的静态误差与动态误差。
其中，静态误差是指误差不随时间而变化的误差，与其相对的是动态误差，也即误差随时间而变化的误差。需要说明的是，惯性传感器的静态误差能够通过设置补偿值进行实时补偿，动态误差由于是符合高斯分布的，可以通过预积分的方法采用协方差矩阵进行校正。
S403.根据静态误差与动态误差对运动距离信息和姿态信息进行修正，并生成第二运动轨迹。
根据惯性传感器自身的静态误差和动态误差，能够根据静态误差和动态误差对所测得的运动距离信息和姿态信息进行修正，通过对修正后的运动距离信息和姿态信息进行分解求逆，生成惯性传感器对应的第二运动轨迹。
在一些实施例中，当自移动设备包括多个轮子时，自移动设备的传感器包括轮速里程计，请参阅图6，图6是本申请实施例提供的一种多传感器标定方法的第五种实现流程图。如图6所示，作为一个实施例，步骤S103的具体实现还包括步骤S501-步骤S504。
S501.通过轮速里程计获取预设时间段每个所述轮子的运动距离。
具体地，轮速里程计通过获取电机的位置增量和旋转角度的增量，以及通过轮子的半径将轮速里程计电机的位置增量和旋转角度的增量映射为轮子的运动距离。
S502.确定轮子之间的中心距离。
S503.基于运动距离和中心距离确定轮速里程计的运动位姿信息。
根据自移动设备中任意两个轮子的运动距离以及到两个轮子中心的距离能够获取两个轮子的旋转角度，根据轮速里程计所测的轮子的运动距离以及旋转角度能够获得轮速里程计的运动姿态信息
S504.基于运动位姿信息生成第二运动轨迹。
以此根据预设时间段内轮速里程计获取的运动姿态信息生成轮速里程计坐标系下的第二运动轨迹。
在一些实施例中，自移动设备的传感器包括两个实时动态测量里程计，请参阅图7，图7是本申请实施例提供的一种多传感器标定方法的第六种实施例实现流程图。如图7所示，作为一个实施例，步骤S103的具体实现还包括步骤S601-步骤S603。
S601.针对每个实时动态测量里程计，获取预设时间段内实时动态测量里程计中心的平移运动信息。
在本申请实施例中，可以采用两个实时动态测量里程计，例如双天线GPS定位，双天线包括前天线和后天线。其中，平移运动信息即为通过实时动态测量里程计测得的自移动设备在预设时间段内所移动的位置信息(可以用坐标表述)。
S602.根据两个实时动态测量里程计的连线对应的法线方向，确定自移动设备的旋转信息。
由于天线之间距离不变，可以求解两个实时动态测量里程计的连线对应的法线，该法线与大地坐标系的真北方向的夹角，也就得到自移动设备的旋转信息。
S603.基于平移运动信息与旋转信息，生成第二运动轨迹。
由于平移运动信息与旋转信息构成了预设时间段内自移动设备的位姿信息，进而根据预设时间段内自移动设备的位姿信息生成第二运动轨迹。
通过两个实时动态测量里程计进行差分，能够获取预设时间段内两个实时动态测量里程计中心的平移运动信息，再根据两个实时动态测量里程计的连线对应的法线方向，确定自移动设备的旋转信息，以生成第二运动轨迹。
图8是本申请实施例提供的一种多传感器标定方法的第七种实现流程图。如图8所示，作为一个实施例，步骤S104的具体实现还包括步骤S701～步骤S702。
S701.针对每个第二运动轨迹，通过预设的高斯牛顿迭代优化方式，对第一运动轨迹和第二运动轨迹进行求解，得到旋转转换信息。
其中，高斯牛顿迭代优化方式可以参考上述步骤S206对高斯牛顿法的示例说明，此处不再赘述。
S702.根据第一运动轨迹和第二运动轨迹，确定平移转换信息。
对每个传感器的第二运动轨迹与图像采集装置的第一运动轨迹采用预设的高斯牛顿迭代优化方式，能够求解出旋转转换信息，再根据第一运动轨迹和第二运动轨迹能够获得平移转换信息，由旋转转换信息和平移转换信息能够获得变换矩阵，进而将传感器的坐标轴转换到世界坐标系中，完成对传感器的标定。
示例性的，当自移动设备的图像采集装置为单目视觉里程计，传感器为惯性传感器、轮速里程计和两个实时动态测量里程计时，预设时间段为0时刻到1时刻，用Tc0c1描述在0时刻的单目视觉里程计对应的相机坐标系下所在的位置运动到1时刻所在位置的运动表达，并以相机0时刻的姿态作为世界坐标系，此时惯性传感器、轮速里程计和实时动态测量里程计对应的传感器系下所在的位置运动到1时刻所在位置的运动表达分别为Ti0i1、To0o1和Tr0r1。为将Ti0i1、To0o1和Tr0r1转换到世界坐标系下，需要求解对应的变换矩阵。其变换矩阵的计算如下：
Tc0c1*Xi＝Xi*Ti0i1
Tc0c1*Xo＝Xo*To0o1
Tc0c1*Xr＝Xr*Tr0r1式中Xo、Xi、Xr分别为惯性传感器、轮速里程计和实时动态测量里程计转换到世界坐标系下的变换矩阵，通过求解上式能够分别得到惯性传感器、轮速里程计和实时动态测量里程计转换到世界坐标系下的旋转信息，由于只具有旋转信息时惯性传感器、轮速里程计和实时动态测量里程计的第二运动轨迹转换到世界坐标系中是与图像采集装置所采集的第一运动轨迹平行的，因此只需要将二者坐标相减就能求解出平移转换信息，再将旋转转换信息和平移转换信息分别组成惯性传感器、轮速里程计和实时动态测量里程计转换到世界坐标系下的变换矩阵Xo、Xi、Xr。
本申请提供了一种自移动设备及其多传感器的标定方法，通过在预设时间段内通过图像采集装置采集的第一预设轨迹与多个传感器对应的第二运动轨迹分别求取对应的变换矩阵，将多个传感器对应的第二运动轨迹转换到世界坐标系下，完成对多个传感器的标定。可以在不受制于自移动设备的运行环境的情况下完成对多个传感器的动态标定，标定的效果得到大幅提升，加强自移动设备的感知能力。
本申请提供了一种自移动设备，如图9所示，图9为本申请实施例提供的一种自移动设备的示意性框图。
其中，该自移动设备可以包括处理器、存储器和网络接口。处理器、存储器和网络接口通过系统总线连接，该系统总线比如为I2C总线(Inter-integrated Circuit，集成电路总线)。
具体地，处理器可以是MCU、中央处理单元(Central Processing Unit，CPU)或数字信号处理器(Digital Signal Processor，DSP)等。
具体地，存储器可以是Flash芯片、只读存储器(ROM，Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的自移动设备的限定，具体的自移动设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器用于运行存储在存储器中的计算机程序，并在执行所述计算机程序时实现本申请实施例提供的任一项多传感器标定方法中相应的步骤。
示例性的处理器用于实现如下步骤：
通过图像采集装置获取预设时间段内的图像信息。
基于图像信息确定自移动设备在世界坐标系下的第一运动轨迹。
通过多个传感器获取预设时间段内的多个第二运动轨迹；其中，每个第二运动轨迹在各自的传感器坐标系下。
根据第一运动轨迹和每个第二运动轨迹，计算每个传感器坐标系转换到世界坐标系下的变换矩阵。
将变换矩阵作为对应传感器的标定参数。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的计算机设备的具体工作过程，可以参考前述多传感器标定方法实施例中的对应过程，在此不再赘述。
本申请的实施例中还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序中包括程序指令，处理器执行程序指令，实现上述实施例提供的多传感器的标定方法的步骤。例如，该计算机程序被处理器加载，可以执行如下步骤：
通过图像采集装置获取预设时间段内的图像信息。
基于图像信息确定自移动设备在世界坐标系下的第一运动轨迹。
通过多个传感器获取预设时间段内的多个第二运动轨迹；其中，每个第二运动轨迹在各自的传感器坐标系下。
根据第一运动轨迹和每个第二运动轨迹，计算每个传感器坐标系转换到世界坐标系下的变换矩阵。
将变换矩阵作为对应传感器的标定参数。
其中，计算机可读存储介质可以是前述实施例的计算机设备的内部存储单元，例如计算机设备的硬盘或内存。计算机可读存储介质也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
由于该计算机可读存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种多传感器的标定方法，因此，可以实现本申请实施例所提供的任一种多传感器的标定方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上，仅是本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种多传感器标定方法，其特征在于，应用于自移动设备，所述自移动设备包括图像采集装置和多个传感器，所述图像采集装置和所述传感器之间进行刚性连接，所述多传感器标定方法包括：
通过所述图像采集装置获取预设时间段内的图像信息；
基于所述图像信息确定所述自移动设备在世界坐标系下的第一运动轨迹；
通过多个所述传感器获取所述预设时间段内的多个第二运动轨迹；其中，每个所述第二运动轨迹在各自的传感器坐标系下；
根据所述第一运动轨迹和每个所述第二运动轨迹，计算每个所述传感器坐标系转换到所述世界坐标系下的变换矩阵；
将所述变换矩阵作为对应所述传感器的标定参数。
2.根据权利要求1所述的多传感器标定方法，其特征在于，所述基于所述图像信息确定所述自移动设备在世界坐标系下的第一运动轨迹，包括：
从所述预设时间段内获取最早时间戳对应的图像信息；
根据所述最早时间戳对应的图像信息，确定所述图像采集装置的初始相机位姿；
将所述初始相机位姿作为所述世界坐标系的原点，并建立所述世界坐标系；
根据所述图像信息获取所述自移动设备在所述世界坐标系下的初始运动轨迹；
确定所述初始运动轨迹的重投影误差；
根据所述重投影误差与所述初始运动轨迹生成所述第一运动轨迹。
3.根据权利要求2所述的多传感器标定方法，其特征在于，所述确定所述初始运动轨迹的重投影误差，包括：
确定最小二乘方程；
基于所述初始运动轨迹、所述最小二乘方程和预设的高斯牛顿法，求解所述重投影误差。
4.根据权利要求1-3任意一项所述的多传感器标定方法，其特征在于，在所述根据所述第一运动轨迹和每个所述第二运动轨迹，计算每个所述传感器坐标系转换到所述世界坐标系下的变换矩阵之前，所述方法还包括：
分别获取所述图像采集装置的第一采集频率和每个所述传感器的第二采集频率；
从所述第一采集频率和所述第二采集频率中，确定最低的采集频率作为目标采集频率；
基于所述目标采集频率，将所述第一运动轨迹上的第一轨迹点和所述第二运动轨迹的第二轨迹点进行映射，得到所述第一轨迹点所匹配的所述第二轨迹点。
5.根据权利要求1所述的多传感器标定方法，其特征在于，所述传感器包括惯性传感器；所述通过多个所述传感器获取所述预设时间段内的多个第二运动轨迹，包括：
在所述惯性传感器的坐标系下，获取所述预设时间段内的所述自移动设备的运动距离信息和姿态信息；
获取所述惯性传感器的静态误差与动态误差；
根据所述静态误差与所述动态误差对所述运动距离信息和所述姿态信息进行修正，并生成所述第二运动轨迹。
6.根据权利要求1所述的多传感器标定方法，其特征在于，所述自移动设备包括多个轮子，所述传感器包括轮速里程计；所述通过多个所述传感器获取所述预设时间段内的多个第二运动轨迹，包括：
通过所述轮速里程计获取所述预设时间段每个所述轮子的运动距离；
确定所述轮子之间的中心距离；
基于所述运动距离和所述中心距离确定所述轮速里程计的运动位姿信息；
基于所述运动位姿信息生成所述第二运动轨迹。
7.根据权利要求1所述的多传感器标定方法，其特征在于，所述传感器包括两个实时动态测量里程计；所述通过多个所述传感器获取所述预设时间段内的多个第二运动轨迹，包括：
针对每个所述实时动态测量里程计，获取所述预设时间段内实时动态测量里程计中心的平移运动信息；
根据两个所述实时动态测量里程计的连线对应的法线方向，确定所述自移动设备的旋转信息；
基于所述平移运动信息与所述旋转信息，生成所述第二运动轨迹。
8.根据权利要求1所述的多传感器标定方法，其特征在于，所述变换矩阵包括旋转转换信息与平移转换信息；所述根据所述第一运动轨迹和每个所述第二运动轨迹，计算每个所述传感器坐标系转换到所述世界坐标系下的变换矩阵，包括：
针对每个所述第二运动轨迹，通过预设的高斯牛顿迭代优化方式，对所述第一运动轨迹和所述第二运动轨迹进行求解，得到旋转转换信息；
根据所述第一运动轨迹和所述第二运动轨迹，确定平移转换信息。
9.一种自移动设备，其特征在于，所述自移动设备包括图像采集装置、多个传感器和控制器，所述图像采集装置和所述传感器之间进行刚性连接，所述控制器分别和图像采集装置以及所述传感器连接，所述控制器用于执行如权利要求1至8任一项所述的多传感器标定方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至8任一项所述的多传感器标定方法的步骤。
CN202310361895.0A 2023-03-31 2023-03-31 自移动设备及其多传感器的标定方法、存储介质 Pending CN116678391A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310361895.0A CN116678391A (zh) 2023-03-31 2023-03-31 自移动设备及其多传感器的标定方法、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310361895.0A CN116678391A (zh) 2023-03-31 2023-03-31 自移动设备及其多传感器的标定方法、存储介质

Publications (1)

Publication Number Publication Date
CN116678391A true CN116678391A (zh) 2023-09-01

Family

ID=87789705

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310361895.0A Pending CN116678391A (zh) 2023-03-31 2023-03-31 自移动设备及其多传感器的标定方法、存储介质

Country Status (1)

Country Link
CN (1) CN116678391A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160063330A1 (en) * 2014-09-03 2016-03-03 Sharp Laboratories Of America, Inc. Methods and Systems for Vision-Based Motion Estimation
CN112444798A (zh) * 2020-11-27 2021-03-05 杭州易现先进科技有限公司 多传感器设备时空外参标定方法、装置以及计算机设备
US20210354302A1 (en) * 2019-01-31 2021-11-18 Brain Corporation Systems and methods for laser and imaging odometry for autonomous robots
CN115375768A (zh) * 2021-05-17 2022-11-22 广州视源电子科技股份有限公司 一种外参标定方法、装置、设备及存储介质
CN115439558A (zh) * 2022-09-20 2022-12-06 深圳市正浩创新科技股份有限公司 联合标定方法、装置、电子设备及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160063330A1 (en) * 2014-09-03 2016-03-03 Sharp Laboratories Of America, Inc. Methods and Systems for Vision-Based Motion Estimation
US20210354302A1 (en) * 2019-01-31 2021-11-18 Brain Corporation Systems and methods for laser and imaging odometry for autonomous robots
CN112444798A (zh) * 2020-11-27 2021-03-05 杭州易现先进科技有限公司 多传感器设备时空外参标定方法、装置以及计算机设备
CN115375768A (zh) * 2021-05-17 2022-11-22 广州视源电子科技股份有限公司 一种外参标定方法、装置、设备及存储介质
CN115439558A (zh) * 2022-09-20 2022-12-06 深圳市正浩创新科技股份有限公司 联合标定方法、装置、电子设备及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN111156998B (zh) 一种基于rgb-d相机与imu信息融合的移动机器人定位方法
CN109991636B (zh) 基于gps、imu以及双目视觉的地图构建方法及系统
CN109540126B (zh) 一种基于光流法的惯性视觉组合导航方法
CN113551665B (zh) 一种用于运动载体的高动态运动状态感知系统及感知方法
CN109885080B (zh) 自主控制系统及自主控制方法
Tardif et al. A new approach to vision-aided inertial navigation
CN104658012B (zh) 一种基于惯性与光学测量融合的运动捕捉方法
CN110487267B (zh) 一种基于vio＆uwb松组合的无人机导航系统及方法
CN112347840A (zh) 视觉传感器激光雷达融合无人机定位与建图装置和方法
CN111380514A (zh) 机器人位姿估计方法、装置、终端及计算机存储介质
US12062210B2 (en) Data processing method and apparatus
CN113820735B (zh) 位置信息的确定方法、位置测量设备、终端及存储介质
CN111091587B (zh) 一种基于视觉标志物的低成本动作捕捉方法
CN106017463A (zh) 一种基于定位传感装置的飞行器定位方法
CN113503872B (zh) 一种基于相机与消费级imu融合的低速无人车定位方法
CN107289910A (zh) 一种基于tof的光流定位系统
CN110929402A (zh) 一种基于不确定分析的概率地形估计方法
CN114690229A (zh) 一种融合gps的移动机器人视觉惯性导航方法
CN114046800A (zh) 一种基于双层滤波框架的高精度里程估计方法
CN114608554A (zh) 一种手持slam设备以及机器人即时定位与建图方法
CN117073720A (zh) 弱环境与弱动作控制下快速视觉惯性标定与初始化方法及设备
CN114812554A (zh) 基于滤波的多源融合机器人室内绝对定位方法
CN108613675A (zh) 低成本无人飞行器移动测量方法及系统
Karam et al. Integrating a low-cost mems imu into a laser-based slam for indoor mobile mapping
CN114529585A (zh) 基于深度视觉和惯性测量的移动设备自主定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination