CN111998870A - 一种相机惯导系统的标定方法和装置 - Google Patents
一种相机惯导系统的标定方法和装置 Download PDFInfo
- Publication number
- CN111998870A CN111998870A CN201910443033.6A CN201910443033A CN111998870A CN 111998870 A CN111998870 A CN 111998870A CN 201910443033 A CN201910443033 A CN 201910443033A CN 111998870 A CN111998870 A CN 111998870A
- Authority
- CN
- China
- Prior art keywords
- inertial navigation
- camera
- angular velocity
- target
- deviation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000009434 installation Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims description 114
- 230000001133 acceleration Effects 0.000 claims description 35
- 238000004364 calculation method Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 230000005484 gravity Effects 0.000 claims description 17
- 238000005311 autocorrelation function Methods 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000005096 rolling process Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 109
- 238000004590 computer program Methods 0.000 description 7
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Studio Devices (AREA)
Abstract
本发明实施例公开了一种相机惯导系统的标定方法和装置,该方法包括:根据一系列离散的相机位姿,生成相机的样条轨迹曲线;基于所述样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值;将相机和惯导之间的安装角作为待优化变量,根据所述相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数;对所述初始残差函数进行优化,确定相机和惯导之间的安装角。通过采用上述技术方案,提升了相机惯导系统中参数的标定精度。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种相机惯导系统的标定方法和装置。
背景技术
相机惯导系统通过融合相机和IMU(Inertial measurement unit,惯性测量单元)数据来实现定位导航的算法。其中,相机惯导系统是建立在对相机和惯导的机与惯导之间的安装角等参数进行精确标定的基础上。
在相机惯导系统的标定过程中,由于使用了多个传感器,不同传感器之间会存在时间不同步的情况,而其中惯导采集的是高频的信息,如陀螺仪的角速度,加速度计的线加速度,这使得传统的基于离散时间状态系统的方案难以准确捕捉到系统的动态性能,所以标定出来的参数也很难非常靠近地面真值。
发明内容
本发明实施例公开一种相机惯导系统的标定方法和装置,提升了相机惯导系统中参数的标定精度。
第一方面,本发明实施例公开了一种相机惯导系统的标定方法,该方法包括:
根据一系列离散的相机位姿,生成相机的样条轨迹曲线;
基于所述样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值;
将相机和惯导之间的安装角作为待优化变量,根据所述相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数;
对所述初始残差函数进行优化,确定相机和惯导之间的安装角。
可选的,所述方法还包括:
根据所述安装角和所述一系列离散的相机位姿,并采用多项式插值法生成惯导的运动轨迹;
将所述惯导的运动轨迹上的各个位姿点,作为目标优化变量,并构建各目标优化变量对应的目标残差函数;
通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值。
可选的,所述目标优化变量包括相机和惯导间的杆臂值;
相应的,所述构建各目标优化变量对应的残差函数包括:
基于所述惯导的运动轨迹,并按照相机所采集图像数据的时间戳,获取惯导位姿;
根据所述安装角,将所述惯导位姿转化为相机位姿;
根据所述相机位姿以及所述图像数据中像素坐标的观测值,构建以相机和惯导间的杆臂作为目标优化变量的重投影残差函数;
相应的,通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值,包括:
基于非线性优化算法对所述重投影残差函数进行优化,确定相机和惯导间的杆臂值。
可选的,所述目标优化变量包括:相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差;
相应的,所述构建各目标优化变量对应的残差函数包括:
基于所述惯导的运动轨迹确定惯导中加速度计的计算值,并结合加速度计的观测值构建各目标优化变量对应的加速度残差函数;
相应的,通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值,包括:
基于非线性优化算法对所述加速度残差函数进行优化,得到相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差分别对应的参数值;
其中,相机和惯导间的时间偏差的先验值是通过构建惯导角速度的自相关函数来确定的。
可选的,所述目标优化变量包括:对所述目标残差函数进行优化后得到的相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差;
相应的,所述构建各目标优化变量对应的残差函数包括:
基于所述惯导的运动轨迹确定惯导中陀螺仪的角速度计算值,并根据陀螺仪的角速度观测值构建以相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差为目标优化变量的角速度残差函数;
相应的,通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值,包括:
基于非线性优化算法对所述角速度残差函数进行优化,得到相机和惯导间的目标安装角、惯导中陀螺仪的刻度偏差和错位偏差分别对应的参数值。
可选的,所述构建以相机和惯导间的杆臂作为目标优化变量的重投影残差函数,包括:
按照如下公式构建重投影残差函数:
其中,Pw为世界坐标系中目标角点的空间坐标,d为卷帘快门逐行曝光的时间延迟,Tcw为世界坐标系相对于相机坐标系的相对变换矩阵,K为相机的内参矩阵,[uk vk]T为图像上的像素观测坐标数值。
可选的,所述构建各目标优化变量对应的加速度残差函数,包括:
按照如下公式构建加速度残差函数:
其中,td为相机和惯导间的时间偏差;aw(tm+td)为根据惯导的运动轨迹所计算出来的相对于世界坐标系的线加速度,ag为重力项,Rcw(tm)为对应于tm时刻的世界坐标系相对于相机坐标系的旋转矩阵,Ric为相机坐标系相对于惯导坐标系的相对旋转矩阵,sa为加速度计的刻度偏差,ba(tm)为tm时刻加速度计的错位偏差,ai为加速度计的观测值。
可选的,所述构建以相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差为目标优化变量的角速度残差函数,包括:
按照如下公式构建角速度残差函数:
第二方面,本发明实施例还提供了一种相机惯导系统的标定装置,该装置包括:
样条轨迹曲线生成模块,被配置为根据一系列离散的相机位姿,生成相机的样条轨迹曲线;
相机角速度计算值确定模块,被配置为基于所述样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值;
初始残差函数构建模块,被配置为将相机和惯导之间的安装角作为待优化变量,根据所述相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数;
安装角确定模块,被配置为对所述初始残差函数进行优化,确定相机和惯导之间的安装角。
可选的,所述装置还包括:
惯导运动轨迹生成模块,被配置为根据所述安装角和所述一系列离散的相机位姿,并采用多项式插值法生成惯导的运动轨迹;
目标残差函数构建模块,被配置为将所述惯导的运动轨迹上的各个位姿点,作为目标优化变量,并构建各目标优化变量对应的目标残差函数;
各参数值确定模块,被配置为通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值。
可选的,所述目标优化变量包括相机和惯导间的杆臂值;
相应的,所述目标残差函数构建模块包括:
惯导位姿获取单元,被配置为基于所述惯导的运动轨迹,并按照相机所采集图像数据的时间戳,获取惯导位姿;
相机位姿转化单元,被配置为根据所述安装角,将所述惯导位姿转化为相机位姿;
重投影残差函数构建单元,被配置为根据所述相机位姿以及所述图像数据中像素坐标的观测值,构建以相机和惯导间的杆臂作为目标优化变量的重投影残差函数;
相应的,所述各参数值确定模块,包括:
杆臂值确定单元,被配置为基于非线性优化算法对所述重投影残差函数进行优化,确定相机和惯导间的杆臂值。
可选的,所述目标优化变量包括:相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差;
相应的,所述目标残差函数构建模块包括:
加速度残差函数构建单元,被配置为基于所述惯导的运动轨迹确定惯导中加速度计的计算值,并结合加速度计的观测值构建各目标优化变量对应的加速度残差函数;
相应的,所述各参数值确定模块,包括:
偏差参数值确定单元,被配置为基于非线性优化算法对所述加速度残差函数进行优化,得到相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差分别对应的参数值;
其中,相机和惯导间的时间偏差的先验值是通过构建惯导角速度的自相关函数来确定的。
可选的,所述目标优化变量包括:对所述目标残差函数进行优化后得到的相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差;
相应的,所述目标残差函数构建模块包括:
角速度残差函数构建单元,被配置为基于所述惯导的运动轨迹确定惯导中陀螺仪的角速度计算值,并根据陀螺仪的角速度观测值构建以相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差为目标优化变量的角速度残差函数;
相应的,所述各参数值确定模块,包括:
陀螺仪偏差参数确定单元,被配置为基于非线性优化算法对所述角速度残差函数进行优化,得到相机和惯导间的目标安装角、惯导中陀螺仪的刻度偏差和错位偏差分别对应的参数值。
可选的,所述重投影残差函数构建单元,具体被配置为:
按照如下公式构建重投影残差函数:
其中,Pw为世界坐标系中目标角点的空间坐标,d为卷帘快门逐行曝光的时间延迟,Tcw为世界坐标系相对于相机坐标系的相对变换矩阵,K为相机的内参矩阵,[uk vk]T为图像上的像素观测坐标数值。
可选的,所述加速度残差函数构建单元,具体被配置为:
按照如下公式构建加速度残差函数:
其中,td为相机和惯导间的时间偏差;aw(tm+td)为根据惯导的运动轨迹所计算出来的相对于世界坐标系的线加速度,ag为重力项,Rcw(tm)为对应于tm时刻的世界坐标系相对于相机坐标系的旋转矩阵,Ric为相机坐标系相对于惯导坐标系的相对旋转矩阵,sa为加速度计的刻度偏差,ba(tm)为tm时刻加速度计的错位偏差,ai为加速度计的观测值。
可选的,所述角速度残差函数构建单元,具体被配置为:
按照如下公式构建角速度残差函数:
第三方面,本发明实施例还提供了一种车载终端,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明任意实施例所提供的相机惯导系统的标定方法的部分或全部步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其存储计算机程序,所述计算机程序包括用于执行本发明任意实施例所提供的相机惯导系统的标定方法的部分或全部步骤的指令。
第五方面,本发明实施例还提供了一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行本发明任意实施例所提供的相机惯导系统的标定方法的部分或全部步骤。
本发明实施例提供的技术方案,基于样条轨迹曲线连续、光滑可微等特点,可利用样条轨迹曲线为相机的位置和姿态进行建模,以真实地反映相机的运动状态随时间变化的情况,例如相机的角速度计算值。通过将相机和惯导之间的安装角作为待优化变量,并根据相机角速度计算值和惯导角速度观测值,可构建角速度对应的初始残差函数。通过对初始残差函数进行优化,可确定相机和惯导之间的安装角,即外参中的旋转矩阵。进一步的,该安装角可作为先验值输入到下一步的优化过程中,从而进一步提升安装角的标定精度。
本发明的发明点包括:
1、本发明实施例的技术方案中,采用了基于相机的样条轨迹曲线和惯导运动轨迹的连续时间状态系统来为整个相机惯导系统的运动进行建模。由于相机的样条轨迹曲线和惯导运动轨迹光滑可微,速度与加速度也是连续变化的,没有突然特别大的阶跃和震荡,因此可以较为真实地描述出动态系统的运动状态随时间变化的情况。这样,就可以按照需求根据时间戳来获取系统相应的状态变量,如位置、速度和加速度等。这里的时间自变量是连续的,特别适用于高频信号的状态量计算,如惯导中陀螺仪的角速度,加速度计的线加速度等这些离散时间系统难以建模的状态量,从而解决了现有技术中基于离散时间状态系统的方案难以准确捕捉到系统的动态性能的问题,提升了相机惯导系统中各参数的标定精度,是本发明的发明点之一。
2、本发明实施例的技术方案中,在基于样条曲线的连续时间状态系统来为整个相机惯导系统的运动进行建模的基础上,在对各个变量进行优化时,采用了对各变量对应的残差函数进行非线性优化的方式。其中,残差函数的构建,可以充分利用传感器的特性,解决了现有技术对相机惯导系统的参数标定精度低的问题,使得标定出来的参数能够非常接近地面真值,是本发明的发明点之一。
3、本发明实施例提供的技术方案中,在对相机和惯导间的时间偏差进行优化的过程中,采用的时间偏差的先验值是通过构建惯导角速度的自相关函数来确定的。这样设置解决了现有技术中时间偏差初值的确定精度较低的问题,有助于后续对时间偏差的进一步优化,是本发明的发明点之一。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是本发明实施例提供的一种相机惯导系统的标定方法的流程示意图;
图2a是本发明实施例提供的一种相机惯导系统的标定方法的流程示意图;
图2b是本发明实施例提供的一种对相机和惯导间的杆臂值进行优化的流程图;
图2c是本发明实施例提供的一种对相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差进行优化的流程图;
图2d是本发明实施例提供的一种对相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差进行优化的流程图;
图3是本发明实施例提供的一种相机惯导系统的标定装置的结构示意图;
图4是本发明实施例提供的一种车载终端的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
请参阅图1,图1是本发明实施例提供的一种相机惯导系统的标定方法的流程示意图。该方法应用于自动驾驶中,可由相机惯导系统的标定装置来执行,该装置可通过软件和/或硬件的方式实现,一般可集成在车载电脑、车载工业控制计算机(Industrialpersonal Computer,IPC)等车载终端中,本发明实施例不做限定。如图1所示,本实施例提供的方法具体包括:
110、根据一系列离散的相机位姿,生成相机的样条轨迹曲线。
示例性的,基于标定环境中已知的目标角点,可利用计算机视觉中pnp(pespective-n-point,透视n点)解法计算出一系列的相机位姿。利用这一系列离散的相机位姿可生成连续光滑变化的样条曲线,作为相机的运动轨迹。由于样条轨迹曲线光滑可微,速度与加速度也是连续变化的,没有突然特别大的阶跃和震荡,因此可以比较真实描述出相机的运动状态随时间变化的情况。这样,就可以按照需求根据时间戳来获取系统相应的状态变量,如位置、速度和加速度等。这里的时间自变量是连续的,特别适用于高频信号的状态量计算,如惯导中陀螺仪的角速度,加速度计的线加速度等这些离散时间系统难以建模的状态量。
120、基于样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值。
本实施例中,根据惯导的时间戳,确定一系列相机角速度计算值是为了比较同一个时刻的相机角速度与惯导角速度之间的数值。基于样条轨迹曲线,可利用多项式插值算法,确定出一系列相机角速度计算值。
130、将相机和惯导之间的安装角作为待优化变量,根据相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数。
本实施例中,虽然相机和惯导是处于同一个系统内,但由于安装角的存在,相机和惯导的角速度不同。因此,可利用安装角这个待优化变量,并基于相机的样条曲线所确定的相机的角速度计算值,将惯导的角速度表示出来。惯导角速度观测值可直接从陀螺仪中读出,利用该观测值和计算值可构建角速度对应的初始残差函数,残差函数的构建可充分利用传感器的特性,通过采用非线性算法对残差函数进行优化,可得到较为准确的标定值。
140、对初始残差函数进行优化,确定相机和惯导之间的安装角。
示例性的,可采用非线性优化算法,例如高斯牛顿或者LM(列文伯格-马夸尔特)等算法对初始残差函数进行优化,从而得到相机和惯导间的相对旋转四元数,即安装角。此外,还可将惯导偏置作为待优化变量,通过对初始残差函数进行优化,确定出惯导偏置。
本实施例提供的技术方案,基于样条轨迹曲线连续、光滑可微等特点,可利用样条轨迹曲线为相机的位置和姿态进行建模,以真实地反映相机的运动状态随时间变化的情况,例如相机的角速度计算值。通过将相机和惯导之间的安装角作为待优化变量,并根据相机角速度计算值和惯导角速度观测值,可构建角速度对应的初始残差函数。通过对初始残差函数进行优化,可确定相机和惯导之间的安装角,即外参中的旋转矩阵。进一步的,该安装角可作为先验值输入到下一步的优化过程中,从而进一步提升安装角的标定精度。
实施例二
请参阅图2a,图2a是本发明实施例提供的一种相机惯导系统的标定方法的流程示意图。本实施例在上述实施例的基础上进行了优化,将上述实施例中得到的安装角作为先验值输入到本实施例的优化过程中,以得到更加精准的安装角和其他待标定的参数,例如杆臂值、时间偏差等。如图2a所示,该方法包括:
210、根据一系列离散的相机位姿,生成相机的样条轨迹曲线。
220、基于样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值。
230、将相机和惯导之间的安装角作为待优化变量,根据相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数。
240、对初始残差函数进行优化,确定相机和惯导之间的安装角。
250、根据安装角和一系列离散的相机位姿,并采用多项式插值法生成惯导的运动轨迹。
260、将惯导的运动轨迹上的各个位姿点,作为目标优化变量,并构建各目标优化变量对应的目标残差函数。
其中,目标优化变量包括:相机和惯导间的杆臂值、时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差、惯导中陀螺仪的刻度偏差和错位偏差、相机和惯导间的安装角等。其中,刻度偏差又称为标度偏差,描述了惯导的观测值与真实值之间的数值上的比例关系;错位偏差描述了真实安装的惯导坐标系与理想的惯导坐标系之间的相对旋转关系。
本实施例中,将惯导的运动轨迹上的各个位姿点,作为目标优化变量,意味着样条轨迹曲线和惯导轨迹会随着目标优化变量的变化而发生变化。示例性的,本实施例中,可采用迭代的方式对各个目标优化变量进行非线性优化处理,即将每次优化处理得到的输出值作为下次优化处理的先验值输入到下次优化处理过程中,从而提升各个目标优化变量的标定精度。
270、通过对目标残差函数进行优化处理,得到各目标优化变量对应的参数值。
示例性的,对目标残差函数的优化处理可采用如高斯牛顿或者LM(列文伯格-马夸尔特)等非线性优化算法,从而得到各目标优化变量对应的参数值。
下面,分别对上述各个目标优化变量的优化过程进行具体介绍:
首先,对于相机和惯导间的杆臂值,本实施例中,图2b是本发明实施例提供的一种对相机和惯导间的杆臂值进行优化的流程图,如图2b所示,对该杆臂值的优化过程具体包括:
310、基于惯导的运动轨迹,并按照相机所采集图像数据的时间戳,获取惯导位姿。
示例性的,可基于惯导的运动轨迹,使用相对旋转矩阵进行相应的投影变换,基于惯导的运动轨迹获取惯导位姿。
320、根据相机位姿以及图像数据中像素坐标的观测值,构建以相机和惯导间的杆臂作为目标优化变量的重投影残差函数。
具体的,本实施例中,构建以相机和惯导间的杆臂作为目标优化变量的重投影残差函数,可按照如下公式来实现:
其中,Pw为世界坐标系中目标角点的空间坐标,d为卷帘快门逐行曝光的时间延迟,Tcw为世界坐标系相对于相机坐标系的相对变换矩阵,K为相机的内参矩阵,[uk vk]T为图像上的像素观测坐标数值。
330、基于非线性优化算法对重投影残差函数进行优化,确定相机和惯导间的杆臂值。
其次,对于目标优化变量为:相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差,本实施例中,上述变量可通过构建加速度残差函数来进行优化,图2c是本发明实施例提供的一种对相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差进行优化的流程图,如图2c所示,上述变量的具体优化过程为:
410、基于惯导的运动轨迹确定惯导中加速度计的计算值,并结合加速度计的观测值构建各目标优化变量对应的加速度残差函数。
示例性的,可通过如下公式构建加速度残差函数:
其中,td为相机和惯导间的时间偏差;aw(tm+td)为根据惯导的运动轨迹所计算出来的相对于世界坐标系的线加速度,ag为重力项,Rcw(tm)为对应于tm时刻的世界坐标系相对于相机坐标系的旋转矩阵,Ric为相机坐标系相对于惯导坐标系的相对旋转矩阵,sa为加速度计的刻度偏差,ba(tm)为tm时刻加速度计的错位偏差,ai为加速度计的观测值。
420、基于非线性优化算法对加速度残差函数进行优化,得到相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差分别对应的参数值。
本实施例中,在对上述各目标优化变量进行优化时,各目标优化变量均存在对应的先验值。其中,相机和惯导间的时间偏差的先验值是通过构建惯导角速度的自相关函数来确定的。具体自相关函数可通过惯导角速度进行卷积运算来构造。这样设置相对于直接通过时间戳来确定相机和惯导之间的时间偏差的方式,精度更高。
再次,对于目标优化变量为:相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差,本实施例中,上述变量可通过构建加速度残差函数来进行优化,图2d是本发明实施例提供的一种对相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差进行优化的流程图,如图2d所示,上述变量的具体优化过程为:
510、基于惯导的运动轨迹确定惯导中陀螺仪的角速度计算值,并根据陀螺仪的角速度观测值构建以相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差为目标优化变量的角速度残差函数。
其中,相机和惯导间的安装角的先验值可采用上述实施例提供的方法得出的安装角。
示例性的,可通过如下公式构建角速度残差函数:
520、基于非线性优化算法对所述角速度残差函数进行优化,得到相机和惯导间的目标安装角、惯导中陀螺仪的刻度偏差和错位偏差分别对应的参数值。
需要说明的是,上述各目标优化变量的优化过程不存在执行顺序的先后之分,可以同时进行,也可以先后执行,本实施例不作具体限定。
还需要说明的是,本方案采用了连续时间和非线性优化的框架结构来标定相机惯导系统,主要针对外参和时间延迟,该框架结构可拓展性较强。系统的运动状态使用了样条曲线进行建模,关联到基体坐标系上的其他传感器的外参,可以通过类似的构造非线性优化的问题加以求解。
广义地来讲,残差函数的构建,可以充分利用传感器的特性;采用连续时间系统框架和非线性优化的方法,来进行求解外参的数值。比如,对于雷达外参的标定,对于已知空间点云位置信息的标定环境,可以通过基体的轨迹和外参来计算出雷达的位姿,进而将雷达所感知到的点云,换算到环境的时间坐标系中。由于标定环境是已知点云地图的,可以将实时感知得到的点云坐标,与环境中对应于同一个物体的地图点云坐标,构造出残差函数的最小二乘优化问题,进而求解出雷达相对于基体相应的外参(安装角和杆臂)。
可见,基于连续时间和非线性优化的标定框架结构,可以成为通用的标定框架,适用于多传感器标定的情形。
实施例三
请参阅图3,图3是本发明实施例提供的一种相机惯导系统的标定装置的结构示意图。如图3所示,该装置包括:样条轨迹曲线生成模块610、相机角速度计算值确定模块620、初始残差函数构建模块630和安装角确定模块640;其中,
样条轨迹曲线生成模块610,被配置为根据一系列离散的相机位姿,生成相机的样条轨迹曲线;
相机角速度计算值确定模块620,被配置为基于所述样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值;
初始残差函数构建模块630,被配置为将相机和惯导之间的安装角作为待优化变量,根据所述相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数;
安装角确定模块640,被配置为对所述初始残差函数进行优化,确定相机和惯导之间的安装角。
本实施例提供的技术方案,基于样条轨迹曲线连续、光滑可微等特点,可利用样条轨迹曲线为相机的位置和姿态进行建模,以真实地反映相机的运动状态随时间变化的情况,例如相机的角速度计算值。通过将相机和惯导之间的安装角作为待优化变量,并根据相机角速度计算值和惯导角速度观测值,可构建角速度对应的初始残差函数。通过对初始残差函数进行优化,可确定相机和惯导之间的安装角,即外参中的旋转矩阵。进一步的,该安装角可作为先验值输入到下一步的优化过程中,从而进一步提升安装角的标定精度。
可选的,所述装置还包括:
惯导运动轨迹生成模块,被配置为根据所述安装角和所述一系列离散的相机位姿,并采用多项式插值法生成惯导的运动轨迹;
目标残差函数构建模块,被配置为将所述惯导的运动轨迹上的各个位姿点,作为目标优化变量,并构建各目标优化变量对应的目标残差函数;
各参数值确定模块,被配置为通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值。
可选的,所述目标优化变量包括相机和惯导间的杆臂值;
相应的,所述目标残差函数构建模块包括:
惯导位姿获取单元,被配置为基于所述惯导的运动轨迹,并按照相机所采集图像数据的时间戳,获取惯导位姿;
相机位姿转化单元,被配置为根据所述安装角,将所述惯导位姿转化为相机位姿;
重投影残差函数构建单元,被配置为根据所述相机位姿以及所述图像数据中像素坐标的观测值,构建以相机和惯导间的杆臂作为目标优化变量的重投影残差函数;
相应的,所述各参数值确定模块,包括:
杆臂值确定单元,被配置为基于非线性优化算法对所述重投影残差函数进行优化,确定相机和惯导间的杆臂值。
可选的,所述目标优化变量包括:相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差;
相应的,所述目标残差函数构建模块包括:
加速度残差函数构建单元,被配置为基于所述惯导的运动轨迹确定惯导中加速度计的计算值,并结合加速度计的观测值构建各目标优化变量对应的加速度残差函数;
相应的,所述各参数值确定模块,包括:
偏差参数值确定单元,被配置为基于非线性优化算法对所述加速度残差函数进行优化,得到相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差分别对应的参数值;
其中,相机和惯导间的时间偏差的先验值是通过构建惯导角速度的自相关函数来确定的。
可选的,所述目标优化变量包括:对所述目标残差函数进行优化后得到的相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差;
相应的,所述目标残差函数构建模块包括:
角速度残差函数构建单元,被配置为基于所述惯导的运动轨迹确定惯导中陀螺仪的角速度计算值,并根据陀螺仪的角速度观测值构建以相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差为目标优化变量的角速度残差函数;
相应的,所述各参数值确定模块,包括:
陀螺仪偏差参数确定单元,被配置为基于非线性优化算法对所述角速度残差函数进行优化,得到相机和惯导间的目标安装角、惯导中陀螺仪的刻度偏差和错位偏差分别对应的参数值。
可选的,所述重投影残差函数构建单元,具体被配置为:
按照如下公式构建重投影残差函数:
其中,Pw为世界坐标系中目标角点的空间坐标,d为卷帘快门逐行曝光的时间延迟,Tcw为世界坐标系相对于相机坐标系的相对变换矩阵,K为相机的内参矩阵,[uk vk]T为图像上的像素观测坐标数值。
可选的,所述加速度残差函数构建单元,具体被配置为:
按照如下公式构建加速度残差函数:
其中,td为相机和惯导间的时间偏差;aw(tm+td)为根据惯导的运动轨迹所计算出来的相对于世界坐标系的线加速度,ag为重力项,Rcw(tm)为对应于tm时刻的世界坐标系相对于相机坐标系的旋转矩阵,Ric为相机坐标系相对于惯导坐标系的相对旋转矩阵,sa为加速度计的刻度偏差,ba(tm)为tm时刻加速度计的错位偏差,ai为加速度计的观测值。
可选的,所述角速度残差函数构建单元,具体被配置为:
按照如下公式构建角速度残差函数:
本发明实施例所提供的相机惯导系统的标定装置可执行本发明任意实施例所提供的相机惯导系统的标定方法,具备执行方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的相机惯导系统的标定方法。
实施例四
请参阅图4,图4是本发明实施例提供的一种车载终端的结构示意图。如图4所示,该车载终端可以包括:
存储有可执行程序代码的存储器701;
与存储器701耦合的处理器702;
其中,处理器702调用存储器701中存储的可执行程序代码,执行本发明任意实施例所提供的相机惯导系统的标定方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行本发明任意实施例所提供的相机惯导系统的标定方法。
本发明实施例公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行本发明任意实施例所提供的相机惯导系统的标定方法的部分或全部步骤。
在本发明的各种实施例中,应理解,上述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在本发明所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种相机惯导系统的标定方法和装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种相机惯导系统的标定方法,其特征在于,包括:
根据一系列离散的相机位姿,生成相机的样条轨迹曲线;
基于所述样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值;
将相机和惯导之间的安装角作为待优化变量,根据所述相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数;
对所述初始残差函数进行优化,确定相机和惯导之间的安装角。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述安装角和所述一系列离散的相机位姿,并采用多项式插值法生成惯导的运动轨迹;
将所述惯导的运动轨迹上的各个位姿点,作为目标优化变量,并构建各目标优化变量对应的目标残差函数;
通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值。
3.根据权利要求2所述的方法,其特征在于,所述目标优化变量包括相机和惯导间的杆臂值;
相应的,所述构建各目标优化变量对应的残差函数包括:
基于所述惯导的运动轨迹,并按照相机所采集图像数据的时间戳,获取惯导位姿;
根据所述安装角,将所述惯导位姿转化为相机位姿;
根据所述相机位姿以及所述图像数据中像素坐标的观测值,构建以相机和惯导间的杆臂作为目标优化变量的重投影残差函数;
相应的,通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值,包括:
基于非线性优化算法对所述重投影残差函数进行优化,确定相机和惯导间的杆臂值。
4.根据权利要求2所述的方法,其特征在于,所述目标优化变量包括:相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差;
相应的,所述构建各目标优化变量对应的残差函数包括:
基于所述惯导的运动轨迹确定惯导中加速度计的计算值,并结合加速度计的观测值构建各目标优化变量对应的加速度残差函数;
相应的,通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值,包括:
基于非线性优化算法对所述加速度残差函数进行优化,得到相机和惯导间的时间偏差、重力项、惯导中加速度计的刻度偏差和错位偏差分别对应的参数值;
其中,相机和惯导间的时间偏差的先验值是通过构建惯导角速度的自相关函数来确定的。
5.根据权利要求2所述的方法,其特征在于,所述目标优化变量包括:对所述目标残差函数进行优化后得到的相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差;
相应的,所述构建各目标优化变量对应的残差函数包括:
基于所述惯导的运动轨迹确定惯导中陀螺仪的角速度计算值,并根据陀螺仪的角速度观测值构建以相机和惯导间的安装角、惯导中陀螺仪的刻度偏差和错位偏差为目标优化变量的角速度残差函数;
相应的,通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值,包括:
基于非线性优化算法对所述角速度残差函数进行优化,得到相机和惯导间的目标安装角、惯导中陀螺仪的刻度偏差和错位偏差分别对应的参数值。
9.一种相机惯导系统的标定装置,其特征在于,包括:
样条轨迹曲线生成模块,被配置为根据一系列离散的相机位姿,生成相机的样条轨迹曲线;
相机角速度计算值确定模块,被配置为基于所述样条轨迹曲线,并根据惯导的时间戳,确定一系列相机角速度计算值;
初始残差函数构建模块,被配置为将相机和惯导之间的安装角作为待优化变量,根据所述相机角速度计算值和惯导角速度观测值,构建角速度对应的初始残差函数;
安装角确定模块,被配置为对所述初始残差函数进行优化,确定相机和惯导之间的安装角。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
惯导运动轨迹生成模块,被配置为根据所述安装角和所述一系列离散的相机位姿,并采用多项式插值法生成惯导的运动轨迹;
目标残差函数构建模块,被配置为将所述惯导的运动轨迹上的各个位姿点,作为目标优化变量,并构建各目标优化变量对应的目标残差函数;
各参数值确定模块,被配置为通过对所述目标残差函数进行优化处理,得到各目标优化变量对应的参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910443033.6A CN111998870B (zh) | 2019-05-26 | 2019-05-26 | 一种相机惯导系统的标定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910443033.6A CN111998870B (zh) | 2019-05-26 | 2019-05-26 | 一种相机惯导系统的标定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111998870A true CN111998870A (zh) | 2020-11-27 |
CN111998870B CN111998870B (zh) | 2022-08-26 |
Family
ID=73461313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910443033.6A Active CN111998870B (zh) | 2019-05-26 | 2019-05-26 | 一种相机惯导系统的标定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111998870B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534156A (zh) * | 2021-07-02 | 2021-10-22 | 中汽创智科技有限公司 | 一种基于车载毫米波雷达的车辆定位方法、装置及设备 |
CN114216482A (zh) * | 2021-12-14 | 2022-03-22 | Oppo广东移动通信有限公司 | 轨迹外参真值确定方法及装置、存储介质、电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6912464B1 (en) * | 1997-07-14 | 2005-06-28 | Bae Systems Plc | Inertial navigation accuracy enhancement |
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
JP2012242317A (ja) * | 2011-05-23 | 2012-12-10 | Mitsubishi Electric Corp | キャリブレーション装置、キャリブレーション装置のキャリブレーション方法およびキャリブレーションプログラム |
US20140088790A1 (en) * | 2010-09-04 | 2014-03-27 | Cgs S.P.A. Compagna Generale Per Lo Spazio | Device and method to estimate the state of a moving vehicle |
CN107314778A (zh) * | 2017-08-04 | 2017-11-03 | 广东工业大学 | 一种相对姿态的标定方法、装置及系统 |
CN108051002A (zh) * | 2017-12-04 | 2018-05-18 | 上海文什数据科技有限公司 | 基于惯性测量辅助视觉的运输车空间定位方法及系统 |
CN108413917A (zh) * | 2018-03-15 | 2018-08-17 | 中国人民解放军国防科技大学 | 非接触式三维测量系统、非接触式三维测量方法及测量装置 |
CN108592950A (zh) * | 2018-05-17 | 2018-09-28 | 北京航空航天大学 | 一种单目相机和惯性测量单元相对安装角标定方法 |
CN108629793A (zh) * | 2018-03-22 | 2018-10-09 | 中国科学院自动化研究所 | 使用在线时间标定的视觉惯性测程法与设备 |
CN109029433A (zh) * | 2018-06-28 | 2018-12-18 | 东南大学 | 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法 |
CN109341724A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载相机-惯性测量单元相对位姿在线标定方法 |
-
2019
- 2019-05-26 CN CN201910443033.6A patent/CN111998870B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6912464B1 (en) * | 1997-07-14 | 2005-06-28 | Bae Systems Plc | Inertial navigation accuracy enhancement |
US20140088790A1 (en) * | 2010-09-04 | 2014-03-27 | Cgs S.P.A. Compagna Generale Per Lo Spazio | Device and method to estimate the state of a moving vehicle |
JP2012242317A (ja) * | 2011-05-23 | 2012-12-10 | Mitsubishi Electric Corp | キャリブレーション装置、キャリブレーション装置のキャリブレーション方法およびキャリブレーションプログラム |
CN102538781A (zh) * | 2011-12-14 | 2012-07-04 | 浙江大学 | 基于机器视觉和惯导融合的移动机器人运动姿态估计方法 |
CN107314778A (zh) * | 2017-08-04 | 2017-11-03 | 广东工业大学 | 一种相对姿态的标定方法、装置及系统 |
CN108051002A (zh) * | 2017-12-04 | 2018-05-18 | 上海文什数据科技有限公司 | 基于惯性测量辅助视觉的运输车空间定位方法及系统 |
CN108413917A (zh) * | 2018-03-15 | 2018-08-17 | 中国人民解放军国防科技大学 | 非接触式三维测量系统、非接触式三维测量方法及测量装置 |
CN108629793A (zh) * | 2018-03-22 | 2018-10-09 | 中国科学院自动化研究所 | 使用在线时间标定的视觉惯性测程法与设备 |
CN108592950A (zh) * | 2018-05-17 | 2018-09-28 | 北京航空航天大学 | 一种单目相机和惯性测量单元相对安装角标定方法 |
CN109029433A (zh) * | 2018-06-28 | 2018-12-18 | 东南大学 | 一种移动平台上基于视觉和惯导融合slam的标定外参和时序的方法 |
CN109341724A (zh) * | 2018-12-04 | 2019-02-15 | 中国航空工业集团公司西安航空计算技术研究所 | 一种机载相机-惯性测量单元相对位姿在线标定方法 |
Non-Patent Citations (4)
Title |
---|
CHANG-RYEOL LEE; JU HONG YOON; KUK-JIN YOON: "Robust calibration of an ultralow-cost inertial measurement unit and a camera: Handling of severe system uncertainty", 《2014 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION》 * |
YAN LI; JINDONG TAN; YINLONG ZHANG; WEI LIANG; HONGSHENG HE: "Spatial Calibration for Thermal-RGB Cameras and Inertial Sensor System", 《2018 24TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION》 * |
张卡,盛业华,叶春,梁诚: "车载三维数据采集系统的绝对标定及精度分析", 《武汉大学学报·信息科学版》 * |
熊敏君,等: "基于单目视觉与惯导融合的无人机位姿估计", 《计算机应用》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113534156A (zh) * | 2021-07-02 | 2021-10-22 | 中汽创智科技有限公司 | 一种基于车载毫米波雷达的车辆定位方法、装置及设备 |
CN113534156B (zh) * | 2021-07-02 | 2024-04-05 | 中汽创智科技有限公司 | 一种基于车载毫米波雷达的车辆定位方法、装置及设备 |
CN114216482A (zh) * | 2021-12-14 | 2022-03-22 | Oppo广东移动通信有限公司 | 轨迹外参真值确定方法及装置、存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111998870B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110243358B (zh) | 多源融合的无人车室内外定位方法及系统 | |
CN109975792B (zh) | 基于多传感器融合矫正多线激光雷达点云运动畸变的方法 | |
CN105698765B (zh) | 双imu单目视觉组合测量非惯性系下目标物位姿方法 | |
CN111415387B (zh) | 相机位姿确定方法、装置、电子设备及存储介质 | |
WO2020253260A1 (zh) | 时间同步处理方法、电子设备及存储介质 | |
CN106814753B (zh) | 一种目标位置矫正方法、装置及系统 | |
CN111380514A (zh) | 机器人位姿估计方法、装置、终端及计算机存储介质 | |
CN111998870B (zh) | 一种相机惯导系统的标定方法和装置 | |
KR20180076441A (ko) | 적응적 관심영역 및 탐색창을 이용한 객체 검출 방법 및 장치 | |
CN114111776A (zh) | 定位方法及相关装置 | |
CN109506617B (zh) | 传感器数据处理方法、存储介质、电子设备 | |
CN113188505B (zh) | 姿态角度的测量方法、装置、车辆及智能臂架 | |
CN111308415A (zh) | 一种基于时间延迟的在线估计位姿的方法和设备 | |
CN111932637B (zh) | 一种车身相机外参自适应标定方法和装置 | |
CN112284381B (zh) | 视觉惯性实时初始化对准方法及系统 | |
CN116952229A (zh) | 无人机定位方法、装置、系统和存储介质 | |
CN110530400A (zh) | 陀螺仪漂移修正方法、装置、光电吊舱及飞行器 | |
CN116047481A (zh) | 矫正点云数据畸变方法、装置、设备及存储介质 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
CN111307176B (zh) | 一种vr头戴显示设备中视觉惯性里程计的在线标定方法 | |
CN113495281A (zh) | 可移动平台的实时定位方法及装置 | |
CN111830285A (zh) | 一种imu中加速度计的标定方法及相关装置 | |
CN110879066A (zh) | 一种姿态解算算法、装置及车载惯性导航系统 | |
CN111678515A (zh) | 设备状态估计方法、装置、电子设备及存储介质 | |
CN113587920B (zh) | 运动测量方法、装置、电子设备及计算机可读存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220303 Address after: 100083 unit 501, block AB, Dongsheng building, No. 8, Zhongguancun East Road, Haidian District, Beijing Applicant after: BEIJING MOMENTA TECHNOLOGY Co.,Ltd. Address before: Room 28, 4 / F, block a, Dongsheng building, No. 8, Zhongguancun East Road, Haidian District, Beijing 100089 Applicant before: BEIJING CHUSUDU TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |