CN112325905B - 一种用于识别imu的测量误差的方法、装置及介质 - Google Patents
一种用于识别imu的测量误差的方法、装置及介质 Download PDFInfo
- Publication number
- CN112325905B CN112325905B CN202011189511.4A CN202011189511A CN112325905B CN 112325905 B CN112325905 B CN 112325905B CN 202011189511 A CN202011189511 A CN 202011189511A CN 112325905 B CN112325905 B CN 112325905B
- Authority
- CN
- China
- Prior art keywords
- imu
- data
- conversion data
- theoretical
- target device
- 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.)
- Active
Links
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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请公开了一种用于识别IMU的测量误差的方法、装置及介质,该放方法包括:获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据,利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据,比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。应用于本技术方案,能够通过包含有TOF相机和IMU的参考设备实现对目标设备的IMU的测量误差进行识别,能够给IMU初始化时机提供有效的数据支持,从而能够有效减小IMU初始化的次数。此外,用于识别IMU的测量误差的装置及介质与上述方法对应,效果参见上文。
Description
技术领域
本申请涉及IMU技术领域,特别是涉及一种用于识别IMU的测量误差的方法、装置及介质。
背景技术
惯性测量单元(Inertial measurement unit,简称IMU),是测量物体三轴姿态数据(角或角速率)以及加速度的装置。一般的,一个IMU内会装有三轴的陀螺仪和三个方向的加速度计,来测量物体在三维空间中的角速度和加速度,并以此解算出物体的姿态数据。
IMU广泛应用于电子设备中,例如,AR指环控制器,AR眼镜,手机等。在实际使用过程中,随着使用时间的增长会出现零点漂移现象、以及环境因素导致的多种测量误差。在一种具体场景中,IMU应用于AR指环控制器,其测量结果的准确性与AR指环控制器的输出数据的准确性息息相关,例如AR指环控制器的输出数据用于控制方向时,如果IMU测量结果不准确,则方向也不准确。
目前,为了避免IMU带来的测量误差,采取的措施是控制IMU初始化,但是不恰当的初始化时机带来诸多问题,例如,IMU并未产生测量误差,如果频繁初始化,会在使用过程中出现数据抖动,用户体验感不佳。
由此可见,如何识别IMU是否需要进行初始化,避免无效操作至关重要。
发明内容
本申请的目的是提供一种用于识别IMU的测量误差的方法、装置及介质,用于通过包含有TOF相机的目标设备识别IMU的测量误差。
为解决上述技术问题,本申请提供一种用于识别IMU的测量误差的方法,包括:
获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据;其中,所述目标设备包括所述IMU,所述参考设备包括所述IMU和ToF相机;
利用所述ToF相机计算所述目标设备相对于所述参考设备的理论姿态转换数据;
比较所述实际姿态转换数据和所述理论姿态转换数据,若所述实际姿态转换数据相对于所述理论姿态转换数据的误差大于阈值,则确定所述目标设备的IMU存在测量误差。
优选地,所述获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据具体包括:
分别获取所述目标设备的第一姿态数据和所述参考设备的第二姿态数据;
计算所述第一姿态数据相对于所述第二姿态数据的转换数据,将所述转换数据作为所述实际姿态转换数据。
优选地,所述利用所述ToF相机计算所述目标设备相对于所述参考设备的理论姿态转换数据具体包括:
获取所述ToF相机输出的用于表征所述目标设备与所述TOF之间的距离的距离数据和所述目标设备的二维轮廓数据;
根据所述距离数据和所述二维轮廓数据得到所述目标设备的三维边界数据;
根据所述三维边界数据和所述参考设备的轴心位置数据计算所述目标设备相对于所述参考设备的理论姿态转换数据。
优选地,在所述比较所述实际姿态转换数据和所述理论姿态转换数据之前,还包括:
将所述实际姿态转换数据和所述理论姿态转换数据均转换为对应的欧拉角数据。
优选地,所述若所述实际姿态转换数据相对于所述理论姿态转换数据的误差大于阈值,则确定所述目标设备的IMU存在测量误差具体为:
若所述实际姿态转换数据相对于所述理论姿态转换数据在任意方向上的误差均大于所述阈值,则确定所述目标设备的IMU存在测量误差。
优选地,在确定所述目标设备的IMU存在测量误差后,还包括:
输出存在测量误差的提示信息。
优选地,在确定所述目标设备的IMU存在测量误差后,还包括:
控制所述目标设备的IMU初始化。
为解决上述技术问题,本申请提供一种用于识别IMU的测量误差的装置,包括:
第一获取模块,用于获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据;其中,所述目标设备包括所述IMU,所述参考设备包括所述IMU和ToF相机;
第二获取模块,用于利用所述ToF相机计算所述目标设备相对于所述参考设备的理论姿态转换数据;
确定模块,用于比较所述实际姿态转换数据和所述理论姿态转换数据,若所述实际姿态转换数据相对于所述理论姿态转换数据的误差大于阈值,则确定所述目标设备的IMU存在测量误差。
为解决上述技术问题,本申请提供一种用于识别IMU的测量误差的装置,包括存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如所述的用于识别IMU的测量误差的方法的步骤。
为解决上述技术问题,本申请提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如所述的用于识别IMU的测量误差的方法的步骤。
本申请所提供的一种用于识别IMU的测量误差的方法,首先获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据,再利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据,最后比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。应用于本技术方案,能够通过包含有TOF相机和IMU的参考设备实现对目标设备的IMU的测量误差进行识别,能够给IMU初始化时机提供有效的数据支持,从而能够有效减小IMU初始化的次数。
此外,本申请所提供的一种用于识别IMU的测量误差的装置及计算机可读存储介质,与上述方法对应,效果同上。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅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为本申请实施例提供的一种用于识别IMU的测量误差的硬件架构示意图;
图2为本申请实施例提供的一种用于识别IMU的测量误差的方法的流程图;
图3为本申请实施例提供的一种用于识别IMU的测量误差的装置的结构图;
图4为本申请另一实施例提供的用于识别IMU的测量误差的装置的结构图。
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部实施例。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,都属于本申请保护范围。
本申请的核心是提供一种用于识别IMU的测量误差的方法、装置及介质。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。图1为本申请实施例提供的一种用于识别IMU的测量误差的硬件架构示意图。本申请技术方案所涉及到的硬件架构包括目标设备1和参考设备2。当然如果用于识别IMU的测量误差的方法由其它处理设备实现的话,该硬件架构还需要包括处理设备。考虑到目标设备1和参考设备2中均包含有处理器,故本申请中提到的用于识别IMU的测量误差的方法可以由目标设备1或参考设备2自身的处理器实现,以此可以降低硬件成本。可以理解的是,由于实际姿态转换数据和理论姿态转换数据需要基于目标设备1和参考设备2相配合才能得到,故目标设备1和参考设备2之间需要有必要的数据传输介质,可以是有线传输,也可以是无线传输,通常情况下是无线传输,例如,蓝牙传输或无线局域网(Wi-Fi)传输等。本申请所提到的目标设备1可以是AR指环控制器,参考设备2可以是AR眼镜,当然除了这两种设备外,还可以是其它设备,只要目标设备1中包含有IMU,参考设备2中包含有IMU和基于飞行时间(Time of Flight))技术的相机(简称,ToF相机)即可。如果目标设备1是AR指环控制器,参考设备2是AR眼镜,则考虑到AR指环控制器通常要求具有较低的功耗,故用于识别IMU的测量误差的方法由AR眼镜实现,也就是说AR眼镜获取AR指环控制器得到的相关数据,并结合自身所得到数据进行计算。
图2为本申请实施例提供的一种用于识别IMU的测量误差的方法的流程图。如图2所示,该方法包括:
S10:获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据。
其中,目标设备包括IMU,参考设备包括IMU和ToF相机。IMU大多用在需要进行运动控制的设备,如汽车和机器人上。也被用在需要用姿态进行精密位移推算的场合,如潜艇、飞机、导弹和航天器的惯性导航设备等。为了提高测量结果的准确性,IMU要安装在被测物体的重心上。目标设备和参考设备是两个相互独立的设备,当需要通过参考设备识别目标设备是否存在测量误差时,需要将二者放置于同一个水平面上合适的距离,通常是在ToF相机的视野距离内,以此保证ToF相机所采集的数据的准确性。
作为优选地实施方式,S10具体包括:
分别获取目标设备的第一姿态数据和参考设备的第二姿态数据;
计算第一姿态数据相对于第二姿态数据的转换数据,将转换数据作为实际姿态转换数据。
可以理解的是,第一姿态数据就是通过目标设备自身的IMU得到的,所表征的是第一目标设备自身的姿态数据,第二姿态数据是通过参考设备自身的IMU得到的,所表征的是第二目标设备自身的姿态数据。
第一姿态数据和第二姿态数据为三维数据,分别表示为A=(P1x,P1y,P1z),C=(P2x,P2y,P2z)。其中,P1x,P1y,P1z分别表示第一姿态数据在X轴,Y轴,Z轴方向上的姿态数据,P2x,P2y,P2z分别表示第二姿态数据在X轴,Y轴,Z轴方向上的姿态数据。在得到第一姿态数据和第二姿态数据后,就可以得到第一姿态数据相对于第二姿态数据的转换数据,即实际姿态转换数据B,也就是说B表示A转换至C的转换数据。
S11:利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据。
TOF相机的原理是传感器发出经调制的近红外光,遇物体后反射,传感器通过计算光线发射和反射时间差或相位差,来换算被拍摄景物的距离,以产生深度信息,此外再结合相机拍摄的画面,就能将物体的三维轮廓以不同颜色代表不同距离的地形图方式呈现出来。由于TOF相机能够得到物体的三维轮廓信息以及距离,故能够得到目标设备相对于参考设备的转换数据,即理论姿态转换数据。
作为优选地实施方式,S11具体包括:
获取ToF相机输出的用于表征目标设备与TOF之间的距离的距离数据和目标设备的二维轮廓数据;
根据距离数据和二维轮廓数据得到目标设备的三维边界数据;
根据三维边界数据和参考设备的轴心位置数据计算目标设备相对于参考设备的理论姿态转换数据。
对二维轮廓数据ρ(x,y),使用拉普拉斯(Laplacian)算子进行边缘检测获得边缘曲线的集合Ω;
ω表示为ω=(O1x,O1y,O1z),参考设备的轴心位置数据表示为L=(O2x,O2y,O2z),则三维边界数据ω和参考设备的轴心位置数据L的对应的转换数据M即为目标设备相对于参考设备的理论姿态转换数据,也就是说M表示ω转换至L的转换数据。
需要说明的是,步骤S10和S11并没有先后顺序,图1只是一种具体实现方式,另外,在开始进行IMU测量误差的识别后,如果目标设备与参考设备相对位置发生变化,则要实时更新二者相对应的数据,以最新的数据参与运算。
S12:比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。
由于实际姿态转换数据是通过目标设备自身的IMU和参考设备自身的IMU所得到的数据,理论姿态转换数据是通过ToF相机计算得到的,而ToF相机的计算精度较高,故其计算结果可作为理论值。可以理解的是,在得到实际值后,可以与理论值进行比较从而确定出实际值是否存在偏差,步骤S12中就是利用该原理实现,换句话说,就是比较B和M。虽然ToF相机的计算精度较高,其得到的理论姿态转换数据可视为理论值,但是该理论值是相对值并不是绝对值,故即使实际姿态转换数据与理论姿态转换数据有偏差也不一定说明目标设备的IMU一定存在测量误差。基于该结论,本步骤中,通过阈值衡量二者之间的差值,即在实际姿态转换数据相对于理论姿态转换数据的误差大于阈值时,则确定目标设备的IMU存在测量误差,否则确定目标设备的IMU不存在测量误差。可以理解的是,阈值的具体数值不做限定,只要大于0即可。
进一步的,在确定目标设备的IMU存在测量误差后,还包括:控制目标设备的IMU初始化。通过初始化,使得目标设备的IMU能够降低零点漂移以及环境因素等导致的测量误差,提高了测量结果的准确性。
本实施例提供的用于识别IMU的测量误差的方法,首先获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据,再利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据,最后比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。应用于本技术方案,能够通过包含有TOF相机和IMU的参考设备实现对目标设备的IMU的测量误差进行识别,能够给IMU初始化时机提供有效的数据支持,从而能够有效减小IMU初始化的次数。
在上述实施例的基础上,在比较实际姿态转换数据和理论姿态转换数据之前,还包括:
将实际姿态转换数据和理论姿态转换数据均转换为对应的欧拉角数据。
可以理解的是,将实际姿态转换数据和理论姿态转换数据转换为对应的欧拉角数据进行比较,更为直观,一定程度上减少了运算量。
实际姿态转换数据和理论姿态转换数据为三维数据,故在比较二者的差值时,其实需要对三个方向的数据分别进行比较。上述实施例中,并未限定,是一个方向的误差大于阈值就视为是实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,还是全部方向的误差均大于阈值才视为是实际姿态转换数据相对于理论姿态转换数据的误差大于阈值。为了提高识别的准确性,避免单个方向上存在计算偏差而导致识别结果不准确的问题。本实施例中,若实际姿态转换数据相对于理论姿态转换数据在任意方向上的误差均大于阈值,则确定目标设备的IMU存在测量误差。
作为优选地实施方式,在确定目标设备的IMU存在测量误差后,还包括:
输出存在测量误差的提示信息。
在具体实施中,目标设备的IMU的初始化可以是在目标设备的处理器获取到存在测量误差的提示信息自动完成,也可以是在目标设备的处理器接收到外部物理触发信号后自动完成。例如,参考设备在确定目标设备的IMU存在测量误差后,将存在测量误差的提示信息发送至目标设备,目标设备的处理器控制IMU初始化,或者参考设备在确定目标设备的IMU存在测量误差后,输出用于提示用户的提示信息,用户根据该信息触发初始化按钮,目标设备的处理器接收到外部物理触发信号后控制IMU初始化。基于上述两种初始化方式,本实施例中,输出存在测量误差的提示信息的类型不做限定。
在上述实施例中,对于用于识别IMU的测量误差的方法进行了详细描述,本申请还提供用于识别IMU的测量误差的装置对应的实施例。需要说明的是,本申请从两个角度对装置部分的实施例进行描述,一种是基于功能模块的角度,另一种是基于硬件结构的角度。
图3为本申请实施例提供的一种用于识别IMU的测量误差的装置的结构图。如图3所示,基于功能模块的角度,该装置包括:
第一获取模块10,用于获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据;其中,目标设备包括IMU,参考设备包括IMU和ToF相机;
第二获取模块11,用于利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据;
确定模块12,用于比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。
作为优选地实施方式,该装置还包括:
转换模块,用于在比较实际姿态转换数据和理论姿态转换数据之前,将实际姿态转换数据和理论姿态转换数据均转换为对应的欧拉角数据。
作为优选地实施方式,该装置还包括:
输出模块,用于在确定目标设备的IMU存在测量误差后,输出存在测量误差的提示信息。
作为优选地实施方式,该装置还包括:
控制模块,用于在确定目标设备的IMU存在测量误差后,控制目标设备的IMU初始化。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
本实施例提供的用于识别IMU的测量误差的装置,第一获取模块获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据,第二获取模块利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据,确定模块比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。应用于本技术方案,能够通过包含有TOF相机和IMU的参考设备实现对目标设备的IMU的测量误差进行识别,能够给IMU初始化时机提供有效的数据支持,从而能够有效减小IMU初始化的次数。
图4为本申请另一实施例提供的用于识别IMU的测量误差的装置的结构图,如图4所示,基于硬件结构的角度,该装置包括:存储器20,用于存储计算机程序;
处理器21,用于执行计算机程序时实现如上述实施例中用于识别IMU的测量误差的方法的步骤。
本实施例提供的用于识别IMU的测量误差的装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器20可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器20至少用于存储以下计算机程序201,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任一实施例公开的用于识别IMU的测量误差的方法的相关步骤。另外,存储器20所存储的资源还可以包括操作系统202和数据203等,存储方式可以是短暂存储或者永久存储。其中,操作系统202可以包括Windows、Unix、Linux等。数据203可以包括但不限于用于识别IMU的测量误差的方法中提到的数据。
在一些实施例中,用于识别IMU的测量误差的装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
本领域技术人员可以理解,图4中示出的结构并不构成对用于识别IMU的测量误差的装置的限定,可以包括比图示更多或更少的组件。
本申请实施例提供的用于识别IMU的测量误差的装置,包括存储器和处理器,处理器在执行存储器存储的程序时,能够实现如下方法:首先获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据,再利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据,最后比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。应用于本技术方案,能够通过包含有TOF相机和IMU的参考设备实现对目标设备的IMU的测量误差进行识别,能够给IMU初始化时机提供有效的数据支持,从而能够有效减小IMU初始化的次数。
最后,本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是,如果上述实施例中的方法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读取存储介质中。基于这样的理解,本申请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介质中,执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的计算机可读存储介质,其上存储的计算机程序被处理器执行时,能够实现如下方法:首先获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据,再利用ToF相机计算目标设备相对于参考设备的理论姿态转换数据,最后比较实际姿态转换数据和理论姿态转换数据,若实际姿态转换数据相对于理论姿态转换数据的误差大于阈值,则确定目标设备的IMU存在测量误差。应用于本技术方案,能够通过包含有TOF相机和IMU的参考设备实现对目标设备的IMU的测量误差进行识别,能够给IMU初始化时机提供有效的数据支持,从而能够有效减小IMU初始化的次数。
以上对本申请所提供的用于识别IMU的测量误差的方法、装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种用于识别IMU的测量误差的方法,其特征在于,包括:
获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据;其中,所述目标设备包括所述IMU,所述参考设备包括所述IMU和ToF相机;
利用所述ToF相机计算所述目标设备相对于所述参考设备的理论姿态转换数据;
比较所述实际姿态转换数据和所述理论姿态转换数据,若所述实际姿态转换数据相对于所述理论姿态转换数据的误差大于阈值,则确定所述目标设备的IMU存在测量误差。
2.根据权利要求1所述的用于识别IMU的测量误差的方法,其特征在于,所述获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据具体包括:
分别获取所述目标设备的第一姿态数据和所述参考设备的第二姿态数据;
计算所述第一姿态数据相对于所述第二姿态数据的转换数据,将所述转换数据作为所述实际姿态转换数据。
3.根据权利要求1所述的用于识别IMU的测量误差的方法,其特征在于,所述利用所述ToF相机计算所述目标设备相对于所述参考设备的理论姿态转换数据具体包括:
获取所述ToF相机输出的用于表征所述目标设备与所述TOF之间的距离的距离数据和所述目标设备的二维轮廓数据;
根据所述距离数据和所述二维轮廓数据得到所述目标设备的三维边界数据;
根据所述三维边界数据和所述参考设备的轴心位置数据计算所述目标设备相对于所述参考设备的理论姿态转换数据。
4.根据权利要求1至3任意一项所述的用于识别IMU的测量误差的方法,其特征在于,在所述比较所述实际姿态转换数据和所述理论姿态转换数据之前,还包括:
将所述实际姿态转换数据和所述理论姿态转换数据均转换为对应的欧拉角数据。
5.根据权利要求1所述的用于识别IMU的测量误差的方法,其特征在于,所述若所述实际姿态转换数据相对于所述理论姿态转换数据的误差大于阈值,则确定所述目标设备的IMU存在测量误差具体为:
若所述实际姿态转换数据相对于所述理论姿态转换数据在任意方向上的误差均大于所述阈值,则确定所述目标设备的IMU存在测量误差。
6.根据权利要求1所述的用于识别IMU的测量误差的方法,其特征在于,在确定所述目标设备的IMU存在测量误差后,还包括:
输出存在测量误差的提示信息。
7.根据权利要求1所述的用于识别IMU的测量误差的方法,其特征在于,在确定所述目标设备的IMU存在测量误差后,还包括:
控制所述目标设备的IMU初始化。
8.一种用于识别IMU的测量误差的装置,其特征在于,包括:
第一获取模块,用于获取通过IMU得到的目标设备相对于参考设备的实际姿态转换数据;其中,所述目标设备包括所述IMU,所述参考设备包括所述IMU和ToF相机;
第二获取模块,用于利用所述ToF相机计算所述目标设备相对于所述参考设备的理论姿态转换数据;
确定模块,用于比较所述实际姿态转换数据和所述理论姿态转换数据,若所述实际姿态转换数据相对于所述理论姿态转换数据的误差大于阈值,则确定所述目标设备的IMU存在测量误差。
9.一种用于识别IMU的测量误差的装置,其特征在于,包括存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的用于识别IMU的测量误差的方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的用于识别IMU的测量误差的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189511.4A CN112325905B (zh) | 2020-10-30 | 2020-10-30 | 一种用于识别imu的测量误差的方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011189511.4A CN112325905B (zh) | 2020-10-30 | 2020-10-30 | 一种用于识别imu的测量误差的方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112325905A CN112325905A (zh) | 2021-02-05 |
CN112325905B true CN112325905B (zh) | 2023-02-24 |
Family
ID=74296755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011189511.4A Active CN112325905B (zh) | 2020-10-30 | 2020-10-30 | 一种用于识别imu的测量误差的方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112325905B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768042A (zh) * | 2012-07-11 | 2012-11-07 | 清华大学 | 一种视觉-惯性组合导航方法 |
CN106709222A (zh) * | 2015-07-29 | 2017-05-24 | 中国科学院沈阳自动化研究所 | 基于单目视觉的imu漂移补偿方法 |
CN108375382A (zh) * | 2018-02-22 | 2018-08-07 | 北京航空航天大学 | 基于单目视觉的位置姿态测量系统精度检校方法和装置 |
CN109073407A (zh) * | 2017-10-26 | 2018-12-21 | 深圳市大疆创新科技有限公司 | 惯性测量单元的漂移标定方法、设备及无人飞行器 |
CN109186634A (zh) * | 2018-08-30 | 2019-01-11 | 衡阳市衡山科学城科技创新研究院有限公司 | 一种mems惯组导航性能测量方法及装置 |
CN110335316A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 基于深度信息的位姿确定方法、装置、介质与电子设备 |
CN110378968A (zh) * | 2019-06-24 | 2019-10-25 | 深圳奥比中光科技有限公司 | 相机和惯性测量单元相对姿态的标定方法及装置 |
CN111207774A (zh) * | 2020-01-17 | 2020-05-29 | 山东大学 | 一种用于激光-imu外参标定的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108765498B (zh) * | 2018-05-30 | 2019-08-23 | 百度在线网络技术(北京)有限公司 | 单目视觉跟踪方法、装置及存储介质 |
-
2020
- 2020-10-30 CN CN202011189511.4A patent/CN112325905B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102768042A (zh) * | 2012-07-11 | 2012-11-07 | 清华大学 | 一种视觉-惯性组合导航方法 |
CN106709222A (zh) * | 2015-07-29 | 2017-05-24 | 中国科学院沈阳自动化研究所 | 基于单目视觉的imu漂移补偿方法 |
CN109073407A (zh) * | 2017-10-26 | 2018-12-21 | 深圳市大疆创新科技有限公司 | 惯性测量单元的漂移标定方法、设备及无人飞行器 |
CN108375382A (zh) * | 2018-02-22 | 2018-08-07 | 北京航空航天大学 | 基于单目视觉的位置姿态测量系统精度检校方法和装置 |
CN109186634A (zh) * | 2018-08-30 | 2019-01-11 | 衡阳市衡山科学城科技创新研究院有限公司 | 一种mems惯组导航性能测量方法及装置 |
CN110378968A (zh) * | 2019-06-24 | 2019-10-25 | 深圳奥比中光科技有限公司 | 相机和惯性测量单元相对姿态的标定方法及装置 |
CN110335316A (zh) * | 2019-06-28 | 2019-10-15 | Oppo广东移动通信有限公司 | 基于深度信息的位姿确定方法、装置、介质与电子设备 |
CN111207774A (zh) * | 2020-01-17 | 2020-05-29 | 山东大学 | 一种用于激光-imu外参标定的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112325905A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020253260A1 (zh) | 时间同步处理方法、电子设备及存储介质 | |
JP6198230B2 (ja) | 深度カメラを使用した頭部姿勢トラッキング | |
CN107748569B (zh) | 用于无人机的运动控制方法、装置及无人机系统 | |
US20210183100A1 (en) | Data processing method and apparatus | |
CN110648363A (zh) | 相机姿态确定方法、装置、存储介质及电子设备 | |
CN113029134B (zh) | 视觉惯性系统的初始化方法、装置、电子设备及存储介质 | |
US20200349727A1 (en) | Obstacle detection method, mobile platform, and computer readable storage medium | |
JP2019078560A (ja) | ジャイロセンサのオフセット補正装置、オフセット補正プログラム、歩行者自律航法装置 | |
CN113048980A (zh) | 位姿优化方法、装置、电子设备及存储介质 | |
CN108933902A (zh) | 全景图像采集装置、建图方法及移动机器人 | |
CN113767264A (zh) | 参数标定方法、装置、系统和存储介质 | |
WO2019037102A1 (zh) | 获得飞行模拟数据的方法、装置、存储介质及设备 | |
WO2023087681A1 (zh) | 定位初始化方法、装置、计算机可读存储介质和计算机程序产品 | |
CN113610702B (zh) | 一种建图方法、装置、电子设备及存储介质 | |
CN117232499A (zh) | 多传感器融合的点云地图构建方法、装置、设备及介质 | |
CN112154303A (zh) | 高精度地图定位方法、系统、平台及计算机可读存储介质 | |
CN112325905B (zh) | 一种用于识别imu的测量误差的方法、装置及介质 | |
KR20220122287A (ko) | 증강 현실 제공 장치의 포즈 결정 방법 및 장치 | |
CN208638479U (zh) | 全景图像采集装置及移动机器人 | |
CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
US11158119B2 (en) | Systems and methods for reconstructing a three-dimensional object | |
US11620846B2 (en) | Data processing method for multi-sensor fusion, positioning apparatus and virtual reality device | |
CN112729327B (zh) | 一种导航方法、装置、计算机设备及存储介质 | |
CN116448105B (zh) | 位姿更新方法、装置、电子设备和存储介质 | |
KR102514812B1 (ko) | 라이다 및 관성 센서를 이용한 벽 기울기 맵 자동 생성을 위한 컴퓨터 시스템 및 그의 방법 |
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: 20221128 Address after: No. 500 Songling Road, Laoshan District, Qingdao City, Shandong Province, 266100 Applicant after: GOERTEK TECHNOLOGY Co.,Ltd. Address before: 261031 north of Yuqing street, east of Dongming Road, high tech Zone, Weifang City, Shandong Province (Room 502, Geer electronics office building) Applicant before: GoerTek Optical Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |