专利交易市场

本申请实施例公开了一种视觉惯性里程计优化的方法及系统。通过获取IMU数据以及视觉图像数据；提取视觉图像数据的点线特征数据；对IMU数据进行预积分处理，得到尺度信息以及IMU变量；基于尺度信息对点线特征数据进行联合初始化，得到点线特征像素灰度值；计算相邻两帧视觉图像之间的IMU更新量；结合IMU更新量获取新的位姿；判断不同帧图像是否满足目标条件；若满足，获取关键帧；将关键帧、位姿、目标点线特征数据、预先配置的加速度零偏和陀螺仪零偏、以及IMU速度加入到滑动窗口中，得到边缘化先验；获取IMU残差以及视觉残差，并基于边缘化先验、IMU残差以及视觉残差对视觉图像估计进行优化处理，可以实现消除误差累积，得到视觉图像的最优轨迹。

本发明涉及一种基于点线特征的自适应单目VIO初始化方法，属于机器人视觉定位导航技术领域，包括步骤：S1：输入图像帧，分别检测点特征与线特征，输入IMU获取的数据，在图像帧之间进行预积分计算；S2：估计相机初始位姿；S3：构建最大后验估计问题，优化惯性参数，得到尺度因子、速度信息、重力方向以及IMU的陀螺仪偏置和加速度计偏置；S4：视觉惯性对齐、尺度缩放，将相机初始位姿转换到世界坐标系下；S5：初始值收敛。本发明能在不同复杂环境和不同初始状态下完成较为稳定精确的初始化，解决了VIO初始化过程中传感器的不确定性和惯性参数的不一致性，具有更高的性能。