CN111143756A - 基于无线测距的视觉图像全局比例因子估计方法及系统 - Google Patents

基于无线测距的视觉图像全局比例因子估计方法及系统 Download PDF

Info

Publication number
CN111143756A
CN111143756A CN201911416085.0A CN201911416085A CN111143756A CN 111143756 A CN111143756 A CN 111143756A CN 201911416085 A CN201911416085 A CN 201911416085A CN 111143756 A CN111143756 A CN 111143756A
Authority
CN
China
Prior art keywords
ranging
scale factor
global scale
anchor
distance
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.)
Granted
Application number
CN201911416085.0A
Other languages
English (en)
Other versions
CN111143756B (zh
Inventor
徐劲松
高云峰
曹雏清
陈柱
任鹏
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.)
Wuhu Hit Robot Technology Research Institute Co Ltd
Original Assignee
Wuhu Hit Robot Technology Research Institute Co 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 Wuhu Hit Robot Technology Research Institute Co Ltd filed Critical Wuhu Hit Robot Technology Research Institute Co Ltd
Priority to CN201911416085.0A priority Critical patent/CN111143756B/zh
Publication of CN111143756A publication Critical patent/CN111143756A/zh
Application granted granted Critical
Publication of CN111143756B publication Critical patent/CN111143756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Navigation (AREA)
  • Image Analysis (AREA)

Abstract

本发明适用于定位技术领域，提供了一种基于无线测距的视觉图像全局比例因子估计方法，包括如下步骤：S1、接收测距锚发送的距离值，所述距离值为测距锚所在位置距测距标签的距离，测距标签布置于移动站上；S2、基于距锚所在位置距测距标签的距离来计算当前位置的正全局尺度因子α0及负全局尺度因子α1；S3、分别基于正全局尺度因子α0及负全局尺度因子α1对当前纳入地图中的路标位置进行修正，并分别计算修正后的路标位置与修正前的路标位置的均方差，将最小均方差对应的全局尺度因子作为当前的全局长度因子。使用其他度量信息可靠地解决基于视觉的单目SLAM(VSLAM)的全局比例因子模糊性。

Description

基于无线测距的视觉图像全局比例因子估计方法及系统
技术领域
本发明属于定位技术领域，提供了一种基于无线测距的视觉图像全局比例因子估计方法及系统。
背景技术
基于单目视觉的同时定位和制图(SLAM)具有成本低、设置简单以及在卫星导航无效的环境中的可用性等优点，尽管校准立体视觉相机可能解决全局尺度因子模糊性，但由于全局尺度因子的不确定性随场景距离的增加呈平方增加，因此它并不是长距离建图的有效工具。另外，单目视觉测距法中的估计误差会随时间累积而不受限制，闭环技术是纠正漂移的有效工具。但摄像机必须观察相同的场景才能闭合环路，这成为任务设计中的重要约束，需要额外的计算负荷和数据存储，同时很难验证环路检测的质量。
发明内容
本发明实施例提供一种基于无线测距的视觉图像全局比例因子估计方法，使用其他度量信息确定了基于视觉的单目SLAM(VSLAM)的全局比例因子。
本发明是这样实现的，基于无线测距的视觉图像全局比例因子估计方法，所述方法具体包括如下步骤：
S1、接收测距锚发送的距离值，所述距离值为测距锚所在位置距测距标签的距离，测距标签布置于移动站上；
S2、基于距锚所在位置距测距标签的距离来计算当前位置的正全局尺度因子α0及负全局尺度因子α1；
S3、分别基于正全局尺度因子α0及负全局尺度因子α1对当前纳入地图中的路标位置进行修正，并分别计算修正后的路标位置与修正前的路标位置的均方差，将最小均方差对应的全局尺度因子作为当前的全局长度因子。
进一步的，正全局尺度因子α0及负全局尺度因子α1的获取方法具体如下：
S21、建立测距锚与测距标签间的测距模型，所述测距模型表示具体如下：
Figure BDA0002351221900000021
S22、将当前测距锚所在位置距测距标签的距离输入到测距模型，计算当前的全局尺度因子，即包括正全局尺度因子α0及负全局尺度因子α1，表达式具体如下：
Figure BDA0002351221900000022
Figure BDA0002351221900000023
Figure BDA0002351221900000024
其中，
Figure BDA0002351221900000025
为t时刻测距锚检测到的测距锚所在位置距测距标签的距离，wpA为测距锚在地图坐标系中的位置矢量，α为全局尺度因子，
Figure BDA0002351221900000026
为t时刻摄像机在地图坐标系中的位置，
Figure BDA0002351221900000027
为t时刻相机坐标系到地图坐标系的旋转矩阵，cpT为测距标签在相机坐标系中的位置。
本发明是这样实现的，一种基于无线测距的视觉图像全局比例因子估计系统，所述系统包括：
设于定位区域的路标，设于指定位置的测距锚，设于移动站上的测距标签及单目相机，与单目相机及测距锚连接的数据处理器，单目相机采集路标，数据处理器基于采集的路标来构建地图，测距锚用于检测指定位置到移动站的距离，并发送至数据处理器，数据处理器基于权利要求1或权利要求2所述基于无线测距的视觉图像全局比例因子估计方法确定全局尺度因子，基于全局尺度因子对纳入当前地图的路标位置进行修正。
本发明提供的于无线测距的视觉图像全局比例因子估计方法具有如下有益技术效果：使用其他度量信息可靠地解决基于视觉的单目SLAM(VSLAM)的全局比例因子模糊性；融合单目相机和测距信息，在没有回环检测条件下减少漂移；使用真实数据集进行评估的，获得更准确的轨迹估计；易与单目VSLAM后端集成，不显着增加系统的复杂性。
附图说明
图1为本发明实施例提供的基于无线测距的视觉图像全局比例因子估计方法流程图；
图2为本发明实施例提供的测距模型结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1为本发明实施例提供的基于无线测距的视觉图像全局比例因子估计方法流程图，该方法具体包括如下步骤：
S1、接收测距锚发送的距离值，所述距离值为测距锚所在位置距测距标签的距离，测距标签布置于移动站上；
S2、基于距锚所在位置距测距标签的距离来计算当前位置的正全局尺度因子α0及负全局尺度因子α1；
在本发明实施例中，正全局尺度因子α0及负全局尺度因子α1的获取方法具体如下：
S21、建立测距锚与测距标签间的测距模型；
S22、将当前测距锚所在位置距测距标签的距离输入到测距模型，计算当前的全局尺度因子，即包括正全局尺度因子及负全局尺度因子。
结合图2进行说明，测距模型具体如下：
Figure BDA0002351221900000041
求解位置参量α，获取正全局尺度因子α0及负全局尺度因子α1，其表达式具体如下：
Figure BDA0002351221900000042
Figure BDA0002351221900000043
Figure BDA0002351221900000044
其中，
Figure BDA0002351221900000045
为t时刻测距锚检测到的测距锚所在位置距测距标签的距离，wpA为测距锚在地图坐标系中的位置矢量，α为全局尺度因子，
Figure BDA0002351221900000046
为t时刻摄像机在地图坐标系中的位置，
Figure BDA0002351221900000047
为t时刻相机坐标系到地图坐标系的旋转矩阵，cpT为测距标签在相机坐标系中的位置。
S3、分别基于正全局尺度因子α0及负全局尺度因α1子对当前纳入地图中的路标位置进行修正，并分别计算修正后的路标位置与修正前的路标位置的均方差，将最小均方差对应的全局尺度因子作为当前的全局尺度因子。
本发明还提供一种基于无线测距的视觉图像全局比例因子估计系统，该系统包括：
设于定位区域的路标，设于指定位置的测距锚，设于移动站上的测距标签及单目相机，与单目相机及测距锚连接的数据处理器，单目相机采集路标，数据处理器基于采集的路标来构建地图，测距锚用于检测指定位置到移动站的距离，并发送至数据处理器，数据处理器基于所述距离确定全局尺度因子，基于全局尺度因子对纳入当前地图的路标位置进行修正。
采用双向飞行时间测距技术来获取两个无线传感器节点(图1中的测距标签和测距锚点)之间的相对距离测量值。测距锚向测距标签发送信号，测距标前将接收到的信号发送回测距锚，测距锚记录每次信号往返时间，取平均值得到测距锚到测距标签往返时间
Figure BDA0002351221900000048
由平均时间可计算出两个节点之间的相对距离d。
Figure BDA0002351221900000051
其中，c为光速，toff是一个时间偏移量，包括系统中的所有延迟。由于双向飞行时间测距技术只需确定信号往返时间，不需要高精度的节点时间同步，易于实现。
本发明提供的于无线测距的视觉图像全局比例因子估计方法具有如下有益技术效果：使用其他度量信息可靠地解决基于视觉的单目SLAM(VSLAM)的全局比例因子模糊性；融合单目相机和测距信息，在没有回环检测条件下减少漂移；使用真实数据集进行评估的，获得更准确的轨迹估计；易与单目VSLAM后端集成，不显着增加系统的复杂性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于无线测距的视觉图像全局比例因子估计方法，其特征在于，所述方法具体包括如下步骤：
S1、接收测距锚发送的距离值，所述距离值为测距锚所在位置距测距标签的距离，测距标签布置于移动站上；
S2、基于距锚所在位置距测距标签的距离来计算当前位置的正全局尺度因子α0及负全局尺度因子α1；
S3、分别基于正全局尺度因子α0及负全局尺度因子α1对当前纳入地图中的路标位置进行修正，并分别计算修正后的路标位置与修正前的路标位置的均方差，将最小均方差对应的全局尺度因子作为当前的全局长度因子。
2.如权利要求1所述基于无线测距的视觉图像全局比例因子估计方法，其特征在于，正全局尺度因子α0及负全局尺度因子α1的获取方法具体如下：
S21、建立测距锚与测距标签间的测距模型，所述测距模型表示具体如下：
Figure FDA0002351221890000017
S22、将当前测距锚所在位置距测距标签的距离输入到测距模型，计算当前的全局尺度因子，即包括正全局尺度因子α0及负全局尺度因子α1，表达式具体如下：
Figure FDA0002351221890000011
Figure FDA0002351221890000012
Figure FDA0002351221890000013
其中，
Figure FDA0002351221890000014
为t时刻测距锚检测到的测距锚所在位置距测距标签的距离，wpA为测距锚在地图坐标系中的位置矢量，α为全局尺度因子，
Figure FDA0002351221890000015
为t时刻摄像机在地图坐标系中的位置，
Figure FDA0002351221890000016
为t时刻相机坐标系到地图坐标系的旋转矩阵，cpT为测距标签在相机坐标系中的位置。
3.一种基于无线测距的视觉图像全局比例因子估计系统，其特征在于，所述系统包括：
设于定位区域的路标，设于指定位置的测距锚，设于移动站上的测距标签及单目相机，与单目相机及测距锚连接的数据处理器，单目相机采集路标，数据处理器基于采集的路标来构建地图，测距锚用于检测指定位置到移动站的距离，并发送至数据处理器，数据处理器基于权利要求1或权利要求2所述基于无线测距的视觉图像全局比例因子估计方法确定全局尺度因子，基于全局尺度因子对纳入当前地图的路标位置进行修正。
CN201911416085.0A 2019-12-31 2019-12-31 基于无线测距的视觉图像全局比例因子估计方法及系统 Active CN111143756B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911416085.0A CN111143756B (zh) 2019-12-31 2019-12-31 基于无线测距的视觉图像全局比例因子估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911416085.0A CN111143756B (zh) 2019-12-31 2019-12-31 基于无线测距的视觉图像全局比例因子估计方法及系统

Publications (2)

Publication Number Publication Date
CN111143756A true CN111143756A (zh) 2020-05-12
CN111143756B CN111143756B (zh) 2023-10-03

Family

ID=70522742

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911416085.0A Active CN111143756B (zh) 2019-12-31 2019-12-31 基于无线测距的视觉图像全局比例因子估计方法及系统

Country Status (1)

Country Link
CN (1) CN111143756B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402225A (zh) * 2011-11-23 2012-04-04 中国科学院自动化研究所 一种实现移动机器人同时定位与地图构建的方法
CN103808316A (zh) * 2012-11-12 2014-05-21 哈尔滨恒誉名翔科技有限公司 室内飞行智能体惯性系统与激光测距仪组合导航改进方法
US20170307380A1 (en) * 2014-10-20 2017-10-26 Bae Systems Plc Optical inertial measurement apparatus and method
CN110070615A (zh) * 2019-04-12 2019-07-30 北京理工大学 一种基于多相机协同的全景视觉slam方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102402225A (zh) * 2011-11-23 2012-04-04 中国科学院自动化研究所 一种实现移动机器人同时定位与地图构建的方法
CN103808316A (zh) * 2012-11-12 2014-05-21 哈尔滨恒誉名翔科技有限公司 室内飞行智能体惯性系统与激光测距仪组合导航改进方法
US20170307380A1 (en) * 2014-10-20 2017-10-26 Bae Systems Plc Optical inertial measurement apparatus and method
CN110070615A (zh) * 2019-04-12 2019-07-30 北京理工大学 一种基于多相机协同的全景视觉slam方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王泽华;梁冬泰;梁丹;章家成;刘华杰;: "基于惯性/磁力传感器与单目视觉融合的SLAM方法", no. 06 *

Also Published As

Publication number Publication date
CN111143756B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
US20200003869A1 (en) Vehicle navigation system using pose estimation based on point cloud
US20210199814A1 (en) Positioning method and device, and server and system
KR101241171B1 (ko) 영상센서를 이용한 ｇｐｓ 위치정보 보정방법
US20080319664A1 (en) Navigation aid
US11223764B2 (en) Method for determining bias in an inertial measurement unit of an image acquisition device
WO2011120141A1 (en) Dynamic network adjustment for rigorous integration of passive and active imaging observations into trajectory determination
EP3361948A1 (en) Integration of inertial tracking and position aiding for motion capture
JP2009074859A (ja) 運動計測装置及び位置計測装置
KR101890612B1 (ko) 적응적 관심영역 및 탐색창을 이용한 객체 검출 방법 및 장치
US20210341605A1 (en) Position coordinates estimation device, position coordinates estimation method, and program
CN110163911B (zh) 一种图像与惯性结合的头部姿态检测系统
US11195297B2 (en) Method and system for visual localization based on dual dome cameras
KR101402088B1 (ko) 위성항법 시스템과 비전 시스템 융합 기술 기반 이동체의 자기위치 측위방법 및 장치
CN112529962A (zh) 一种基于视觉算法的室内空间关键定位技术方法
CN110794828A (zh) 一种融合语义信息的路标定位方法
JP5355443B2 (ja) 位置補正システム
KR101803340B1 (ko) 영상 기반 주행거리 측정 시스템 및 방법
CN115371673A (zh) 一种未知环境中基于Bundle Adjustment的双目相机目标定位方法
US11481920B2 (en) Information processing apparatus, server, movable object device, and information processing method
CN109945890B (zh) 多定位系统切换与融合校正方法及其装置
CN111143756B (zh) 基于无线测距的视觉图像全局比例因子估计方法及系统
CN116027266A (zh) Uwb与视觉紧耦合slam算法的定位方法及系统
KR101364047B1 (ko) 물체인식을 바탕으로 한 칼만필터를 이용한 이동체의 자기위치 추정방법 및 장치
KR20200036405A (ko) 정밀측위 시스템의 종방향 위치 오차를 보정하기 위한 장치 및 방법
CN114429515A (zh) 一种点云地图构建方法、装置和设备

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
GR01 Patent grant
GR01 Patent grant