CN113670300A - 一种slam系统的回环检测方法及装置 - Google Patents
一种slam系统的回环检测方法及装置 Download PDFInfo
- Publication number
- CN113670300A CN113670300A CN202110962668.4A CN202110962668A CN113670300A CN 113670300 A CN113670300 A CN 113670300A CN 202110962668 A CN202110962668 A CN 202110962668A CN 113670300 A CN113670300 A CN 113670300A
- Authority
- CN
- China
- Prior art keywords
- carrier
- loop
- candidate
- loop detection
- quantization index
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 156
- 230000033001 locomotion Effects 0.000 claims abstract description 54
- 230000007613 environmental effect Effects 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000013139 quantization Methods 0.000 claims description 63
- 239000013598 vector Substances 0.000 claims description 63
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
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
- G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
- G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种SLAM系统的回环检测方法及装置,包括:获取载体所处环境的环境特征以及获取该载体的运动特征、基于词袋模型所确定的该载体的候选回环位置,根据该环境特征以及运动特征,计算出基于词袋模型所确定出的候选回环位置的回环检测置信参数,回环检测置信参数表征了候选回环位置为载体曾经经过的历史回环位置的置信度;若回环检测置信参数大于预设阈值,则将该候选回环位置确定为回环检测结果。可见,根据载体的环境特征以及运动特征,可以确定出候选回环位置为载体曾经经过的历史回环位置的置信度,进而,将置信度较高的回环检测位置确定为最终的回环检测结果后,可以提高最终所确定出的回环检测结果的准确性。
Description
本申请是于2019年8月28日提交中国国家知识产权局、申请号为CN201910804329.6、发明名称为“一种SLAM系统的回环检测方法及装置”的中国专利申请的分案申请。
技术领域
本申请涉及回环检测技术领域,特别是涉及一种SLAM系统的回环检测方法及装置。
背景技术
目前,SLAM(Simultaneous Localization And Mapping,即时定位与地图构建)系统通常用于无或者弱GPS(Global Positioning System,全球定位系统)环境中目标载体的定位和导航。其中,目标载体通常可以是无人车、无人机、无人船或者机器人等自主移动载体。而在SLAM系统中,通常利用回环检测方法来提高全局优化精度以及目标定位精度。
回环检测,又可以称为闭环检测,是指自主移动载体识别当前所处场景为曾经所达到的场景,从而使得自主移动载体在移动过程中所建立的地图形成闭环。
实际应用中,可以应用词袋模型法来进行自主移动载体的回环检测,即是将自主移动载体所实时感知得到的图像中的特征归类为单词,并将该图相对应的单词与预先建立的词典中的单词进行比对,以确定自主移动载体当前所在场景与曾经达到的场景是否一致,从而实现回环检测。但是,应用词袋模型法来进行回环检测,所得到回环检测结果的准确性并不高,容易造成误判。
发明内容
本申请实施例提供了一种SLAM系统的回环检测的方法及装置,旨在提高基于词袋模型所确定的回环检测结果的准确性。
第一方面,本申请实施例提供了一种SLAM系统的回环检测方法,所述方法包括:
获取载体所处环境的环境特征以及获取所述载体的运动特征、基于词袋模型确定的所述载体的候选回环位置;
根据所述环境特征以及所述运动特征,计算出针对于所述候选回环位置的回环检测置信参数,所述回环检测置信参数表征了所述候选回环位置为所述载体经过的历史回环位置的置信度;
若所述回环检测置信参数大于预设阈值,则将所述候选回环位置确定为回环检测结果。
在一些可能的实施方式中,所述运动特征包括所述载体的俯仰角、横滚角以及航向角,所述环境特征包括所述载体所处环境的磁场信息。
在一些可能的实施方式中,所述获取载体的运动特征,包括:
获取安装于所述载体上的加速度计所输出的比力信息;
根据所述比力信息以及所述磁场信息,计算出所述载体的俯仰角、横滚角以及航向角。
在一些可能的实施方式中,所述根据所述环境特征以及所述运动特征,计算出针对于所述候选回环位置的回环检测置信参数,包括:
根据所述环境特征以及所述运动特征,确定所述载体在所述当前位置的量化指标向量;
获取所述候选回环位置所对应的量化指标向量;
根据所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量,计算得到针对于所述候选回环位置的回环检测置信参数。
在一些可能的实施方式中,所述根据所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量,计算得到针对于所述候选回环位置的回环检测置信参数,包括:
计算所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量中各个分量的模长之差的绝对值;
根据所述各个分量的模长之差的绝对值,计算得到针对于所述候选回环位置的回环检测置信参数。
第二方面,本申请实施例还提供了一种SLAM系统的回环检测装置,所述装置包括:
获取模块,用于获取载体所处环境的环境特征以及获取所述载体的运动特征、基于词袋模型确定的所述载体的候选回环位置;
计算模块,用于根据所述环境特征以及所述运动特征,计算出针对于所述候选回环位置的回环检测置信参数,所述回环检测置信参数表征了所述候选回环位置为所述载体经过的历史回环位置的置信度;
确定模块,用于若所述回环检测置信参数大于预设阈值,则将所述候选回环位置确定为回环检测结果。
在一些可能的实施方式中,所述运动特征包括所述载体的俯仰角、横滚角以及航向角,所述环境特征包括所述载体所处环境的磁场信息。
在一些可能的实施方式中,所述获取模块,包括:
第一获取单元,用于获取安装于所述载体上的加速度计所输出的比力信息;
第一计算单元,用于根据所述比力信息以及所述磁场信息,计算出所述载体的俯仰角、横滚角以及航向角。
在一些可能的实施方式中,所述计算模块,包括:
确定单元,用于根据所述环境特征以及所述运动特征,确定所述载体在所述当前位置的量化指标向量;
第二获取单元,用于获取所述候选回环位置所对应的量化指标向量;
第二计算单元,用于根据所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量,计算得到针对于所述候选回环位置的回环检测置信参数。
在一些可能的实施方式中,所述第二计算单元,包括:
第一计算子单元,用于计算所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量中各个分量的模长之差的绝对值;
第二计算子单元,用于根据所述各个分量的模长之差的绝对值,计算得到针对于所述候选回环位置的回环检测置信参数。
在本申请实施例的上述实现方式中,根据载体所处环境的环境特征以及该载体的运动特征,确定基于词袋模型所确定的候选回环位置的置信度,从而根据该置信度来提高最终确定的回环检测结果的准确性。具体的,可以获取载体所处环境的环境特征以及获取该载体的运动特征、基于词袋模型所确定的该载体的候选回环位置,然后,根据该环境特征以及运动特征,可以进一步计算出基于词袋模型所确定出的候选回环位置的回环检测置信参数,其中,该回环检测置信参数表征了该候选回环位置为该载体曾经经过的历史回环位置的置信度;若回环检测置信参数大于预设阈值,则将该候选回环位置确定为回环检测结果。可见,虽然直接将基于词袋模型得到载体的候选回环位置确定为回环检测结果,会使得最终确定的回环检测结果的准确性较低,但是根据载体所处环境的环境特征以及载体的运动特征,可以确定出该候选回环位置为载体曾经经过的历史回环位置的置信度。可以理解,该置信度越高,表明该候选回环位置为载体曾经经过的历史回环位置的可能性越高,即载体当前所处场景越有可能是曾经所经过的场景,从而以该候选回环位置作为回环检测结果的准确性也就越高,进而,将置信度较高的回环检测位置确定为最终的回环检测结果后,可以提高最终所确定出的回环检测结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,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,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一示例性应用场景示意图;
图2为本申请实施例中一种SLAM系统的回环检测方法的流程示意图;
图3为本申请实施例中一种SLAM系统的回环检测装置的结构示意图。
具体实施方式
实际应用中,在基于词袋模型来对自主移动的载体进行回环检测时,很容易会出现假阳性或者假阴性的检测结果。其中,假阳性,是指错误的将载体未经过的场景(也即为载体当前所处的场景)识别为曾经经过的场景;而假阴性,是指未识别出载体重复经过的场景,即未识别出载体当前所处的场景为该载体曾经经过的场景,或者,错误的将载体当前所处的场景与过去某个实际不一样的场景对应起来。因此,基于现有的词袋模型所得到的回环检测结果,其准确性并不高。
基于此,本申请实施例提供了一种SLAM系统的回环检测方法,根据载体所处环境的环境特征以及该载体的运动特征,确定基于词袋模型所确定的候选回环位置的置信度,从而根据该置信度来提高最终确定的回环检测结果的准确性。具体的,可以获取载体所处环境的环境特征以及获取该载体的运动特征、基于词袋模型所确定的该载体的候选回环位置,然后,根据该环境特征以及运动特征,可以进一步计算出基于词袋模型所确定出的候选回环位置的回环检测置信参数,其中,该回环检测置信参数表征了该候选回环位置为该载体曾经经过的历史回环位置的置信度;若回环检测置信参数大于预设阈值,则将该候选回环位置确定为回环检测结果。可见,虽然直接将基于词袋模型得到载体的候选回环位置确定为回环检测结果,会使得最终确定的回环检测结果的准确性较低,但是根据载体所处环境的环境特征以及载体的运动特征,可以确定出该候选回环位置为载体曾经经过的历史回环位置的置信度。可以理解,该置信度越高,表明该候选回环位置为载体曾经经过的历史回环位置的可能性越高,即载体当前所处场景越有可能是曾经所经过的场景,从而以该候选回环位置作为回环检测结果的准确性也就越高,进而,将置信度较高的回环检测位置确定为最终的回环检测结果后,可以提高最终所确定出的回环检测结果的准确性。
作为一种示例,本申请实施例可以应用于如图1所示的示例性应用场景。在该场景中,用户101可以指示(例如可以利用遥控器或者其它控制器进行指示等)机器人102进行移动建图;由于机器人102在建图过程中会存在一些累计误差,因此,机器人102可以利用基于词袋模型的回环检测来优化位姿。具体的,机器人102可以基于词袋模型确定的机器人102的候选回环位置,由于该候选回环位置并不一定准确,若直接以该候选回环位置作为最终的回环检测结果,出现假阳性或者假阴性的可能性较高,因此,机器人102还可以获取当前自身所处环境的环境特征以及获取自身的运动特征,并根据该环境特征以及运动特征,计算出针对于候选回环位置的回环检测置信参数,该回环检测检测置信参数表征了候选回环位置为机器人102曾经经过的历史回环位置的置信度;若该回环检测置信参数大于预设阈值,则机器人102可以将该候选回环位置确定为最终的回环检测结果。
可以理解的是,上述场景仅是本申请实施例提供的一个场景示例,本申请实施例并不限于此场景。比如,在其它可能的应用场景中,本申请实施例的技术方案也可以是应用于无人机、无人车、无人船等可自主移动的载体中。又比如,在又一些可能的应用场景中,也可以是是在机器人上设置有相应的操作界面,由用户101直接在该操作界面上实现对机器人的控制等。总之,本申请实施例可以应用于任何可适用的场景中,而不局限于上述场景示例。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面将结合附图对本申请实施例中的各种非限定性实施方式进行示例性说明。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它实施例,都属于本申请保护的范围。
参阅图2,图2示出了本申请实施例中一种SLAM系统的回环检测方法的流程示意图,该方法具体可以包括:
S201:获取载体所处环境的环境特征以及获取该载体的运动特征、基于词袋模型确定的该载体的候选回环位置。
由于实际应用中,若直接将基于词袋模型所确定出的候选回环位置确定为最终的回环检测结果,很容易出现假阳性或者假阴性,而使得回环检测结果的准确性较低。为此,本实施例中,对基于词袋模型所确定出的候选回环位置基于置信度进行筛选,以提高回环检测结果的准确性。需要说明的是,对于基于词袋模型确定出载体的候选回环位置,现有技术存在相应的具体实现过程,在此不再赘述。并且,本实施例中所描述的载体,具体可以是具有自主移动能力的载体,如无人机、无人车、无人船以及机器人等。
本实施例中,可以是基于载体当前所处环境的环境特征以及该载体的运动特征,来确定候选回环位置的置信度,以便对适合作为回环检测结果的候选回环位置进行筛选。因此,在获取候选回环位置的同时,还可以获取载体所处环境的环境特征以及该载体的运动特征。
在一种示例性的具体实施方式中,所获取的载体所处环境得环境特征具体可以是该载体所处环境的磁场信息。实际应用中,可以在载体中安装磁传感器,则在载体建图过程中,可以读取磁传感器输出的磁场信息。其中,在载体自身所建立的三维坐标系(或可被称为b系、机体坐标系或者载体坐标系)中,所读取的磁场信息具体可以是在x轴、y轴以及z轴三个方向的分量,如(Mx_b,My_b,Mz_b)等。
而所获取的载体的运动特征,具体可以是载体俯仰角θ、横滚角γ以及航向角Ψ等。则,可以在载体中安装加速度计,这样,在获取载体的运动特征时,可以读取得到加速度计所输出的在b系下的比力信息,该比力信息也可以是在x轴、y轴以及z轴三个方向的分量,如(fx_b,fy_b,fz_b)等。然后,根据该比力信息以及所获取的磁场信息,可以按照如下公式(1)分别计算出该载体的俯仰角θ、横滚角γ以及航向角Ψ。
其中,公式(1)中的“g”表示重力加速度,在一种示例中,g可取值为9.80665m/s2;“D”为地球上载体所在位置处的磁偏角,其可通过查找特定表格得到。
进一步的,由于从磁传感器所读取的磁场信息为基于b系下的磁场信息(Mx_b,My_b,Mz_b),而实际应用中,在对该磁场信息进行处理时,可能需要将该b系下的磁场信息转换成n系(即navigation frame,导航坐标系)下的磁场信息(Mx_n、My_n、Mz_n)。则,在将b系下的磁场信息转换成n系下的磁场信息的过程中,可以先根据公式(2)计算出两个坐标系之间的坐标转换矩阵再基于该坐标转换矩阵以及b系下的磁场信息(Mx_b,My_b,Mz_b),根据公式(3)计算出n系下的磁场信息(Mx_n、My_n、Mz_n)。
S202:根据所获取的环境特征以及运动特征,计算出针对于候选回环位置的回环检测置信参数,其中,回环检测置信参数表征了候选回环位置为该载体经过的历史回环位置的置信度。
当载体先后运动到相同的位置(即载体当前所处位置与载体曾经经过的历史回环位置重合)时,不同时间点的两个相同位置处的环境特征以及载体的运动特征通常相同,因此,基于载体所处环境的环境特征以及载体的运动特征可以对候选回环位置为历史回环位置的可能性进行校验。具体实现时,本实施例中,针对于利用词袋模型所确定的候选回环位置,可以利用所获取的环境特征以及运动特征来计算出回环检测置信参数,并利用该回环检测置信参数表征候选回环位置为实际历史回环位置的置信度。其中,置信度越大,表明候选回环位置为载体曾经经过的历史回环位置的可能性越高,相应的,将该候选回环位置作为最终的回环检测结果也就越可信;反之,置信度越小,表明候选回环位置为历史回环位置的可能性越低,相应的,将该候选回环位置也就越不适合被确定为最终的回环检测结果。
作为一种计算回环检测置信参数的示例性实施方式,可以根据环境特征以及运动特征,确定载体在当前位置的量化指标向量,并获取该候选回环位置所对应的量化指标向量。可以理解,若基于词袋模型所确定出的候选回环位置确实为历史回环位置(该历史回环位置与载体当前所处位置重合),则载体在当前位置的量化指标向量与该候选回环位置所对应的量化指标向量应该大致相同;反之,若基于词袋模型所确定出的候选回环位置并非为历史回环位置,则载体在当前位置的量化指标向量与该候选回环位置所对应的量化指标向量通常会存在较大差异。因此,本实施例中,可以根据载体在当前位置的量化指标向量以及候选回环位置所对应的量化指标向量,可以计算得到针对于该候选回环位置的回环检测置信参数。
作为一种示例,在根据载体在当前位置的量化指标向量以及候选回环位置所对应的量化指标向量,计算出回环检测置信参数时,具体可以是计算载体在当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量中各个分量的模长之差的绝对值,然后,可以进一步根据各个分量的模长之差的绝对值,计算出相应的回环检测置信参数。
例如,假设载体当前所处位置为Pi,则载体在Pi处的量化指标向量可以是Qi=[Ψ,Mx_b、My_b、Mz_b,Mx_n,My_n,Mz_n],其中,Ψ为载体在Pi位置处的航向角。而候选回环位置Px所对应的量化指标向量可以是Qx=[Ψ',Mx_b'、My_b'、Mz_b',Mx_n',My_n',Mz_n'],其中,Ψ'为载体在候选回环位置处所对应的航向角,Mx_b'、My_b'、Mz_b'分别为载体在候选回环位置处时基于b系的磁场信息在x轴、y轴以及z轴方向的分量,Mx_n',My_n',Mz_n'分别为载体在候选回环位置处时基于n系的磁场信息在x轴、y轴以及z轴方向的分量。然后,按照公式(4)可以计算出量化指标向量Qi以及量化指标向量Qx中各个分量的模长之差的绝对值,公式(4)如下:
ΔQ[k]=|Qi[k]|-|Qx[k]| (4)
其中,ΔQ[k]表示量化指标向量Qi以及Qx中第k个分量的模长之差的绝对值,由于本示例中每个量化指标向量包含7个分量,因此,k的取值可以为1至7(在其它实施方式中,k的取值由量化指标向量中所包含的分量的个数决定),|Qi[k]|表示量化指标向量Qi中第k个分量的模长的绝对值,|Qx[k]|表示量化指标向量Qx中第k个分量的模长的绝对值。
然后,根据公式(5)以及公式(6)可以进一步计算出相应的回环检测置信参数M。公式(5)以及公式(6)如下:
S203:若回环检测置信参数大于预设阈值,则将该候选回环位置确定为回环检测结果。
可以理解,若回环检测置信参数较大,具体为大于预设阈值,表明基于词袋模型所确定的候选回环位置为历史回环位置的可信度较高,则可以将将该候选回环位置确定为最终的回环检测结果;而若回环检测置信参数较小,具体为不大于该预设阈值,这表明若将该候选回环位置确定为最终的回环检测结果,使得该回环检测结果存在较大的可能性存在假阳性或者假阴性,因此,在一些实施方式中,可以拒绝将该候选回环位置确定为回环检测结果,并可以重新进行回环检测等。这样,利用回环检测置信参数,可以对候选回环位置进行一定的筛选,从而使得只有置信度较高的候选回环位置才能为确定为回环检测结果,而一些具有较大可能性会产生假阳性或者假阴性误判的候选回环位置可以不被确定为回环检测结果,这就可以有效提高最终所得到的回环检测结果的准确性,尽可能的降低误判率。
在一些可能的实施方式中,预设阈值的取值可以为0.7至1以内的任意一个数值。并且,当对于回环检测结果的准确性要求较高时,可以适当提高预设阈值的取值,比如,将预设阈值可以在0.9至1之间的范围进行取值等。
进一步的,实际应用中,在将回环检测位置确定为最终的回环检测结果后,载体(载体上的SLAM系统)可以基于该候选回环位置进行全局位姿优化。否则,载体可以继续进行回环检测并重复执行上述步骤,以对词袋模型重新确定的候选回环位置基于回环检测置信参数进行筛选。
当然,若载体的运动未结束时,可以重复上述过程进行回环检测;而若载体的运动结束,则可以停止回环检测过程,并关闭SLAM系统。
本实施例中,可以获取载体所处环境的环境特征以及获取该载体的运动特征、基于词袋模型所确定的该载体的候选回环位置,然后,根据该环境特征以及运动特征,可以进一步计算出基于词袋模型所确定出的候选回环位置的回环检测置信参数,其中,该回环检测置信参数表征了该候选回环位置为该载体曾经经过的历史回环位置的置信度;若回环检测置信参数大于预设阈值,则将该候选回环位置确定为回环检测结果。可见,虽然直接将基于词袋模型得到载体的候选回环位置确定为回环检测结果,会使得最终确定的回环检测结果的准确性较低,但是根据载体所处环境的环境特征以及载体的运动特征,可以确定出该候选回环位置为载体曾经经过的历史回环位置的置信度。可以理解,该置信度越高,表明该候选回环位置为载体曾经经过的历史回环位置的可能性越高,即载体当前所处场景越有可能是曾经所经过的场景,从而以该候选回环位置作为回环检测结果的准确性也就越高,进而,将置信度较高的回环检测位置确定为最终的回环检测结果后,可以提高最终所确定出的回环检测结果的准确性。
此外,本申请实施例还提供了一种SLAM系统的回环检测装置。参阅图3,图3示出了本申请实施例中一种SLAM系统的回环检测装置,该装置300包括:
获取模块301,用于获取载体所处环境的环境特征以及获取所述载体的运动特征、基于词袋模型确定的所述载体的候选回环位置;
计算模块302,用于根据所述环境特征以及所述运动特征,计算出针对于所述候选回环位置的回环检测置信参数,所述回环检测置信参数表征了所述候选回环位置为所述载体经过的历史回环位置的置信度;
确定模块303,用于若所述回环检测置信参数大于预设阈值,则将所述候选回环位置确定为回环检测结果。
在一些可能的实施方式中,所述运动特征包括所述载体的俯仰角、横滚角以及航向角,所述环境特征包括所述载体所处环境的磁场信息。
在一些可能的实施方式中,所述获取模块301,包括:
第一获取单元,用于获取安装于所述载体上的加速度计所输出的比力信息;
第一计算单元,用于根据所述比力信息以及所述磁场信息,计算出所述载体的俯仰角、横滚角以及航向角。
在一些可能的实施方式中,所述计算模块302,包括:
确定单元,用于根据所述环境特征以及所述运动特征,确定所述载体在所述当前位置的量化指标向量;
第二获取单元,用于获取所述候选回环位置所对应的量化指标向量;
第二计算单元,用于根据所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量,计算得到针对于所述候选回环位置的回环检测置信参数。
在一些可能的实施方式中,所述第二计算单元,包括:
第一计算子单元,用于计算所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量中各个分量的模长之差的绝对值;
第二计算子单元,用于根据所述各个分量的模长之差的绝对值,计算得到针对于所述候选回环位置的回环检测置信参数。
值得注意的是,本实施例中所述的SLAM系统的回环检测装置,对应于上述方法实施例中所述的SLAM系统的回环检测方法,因此,其具体实施方式可以参阅方法实施例的相关之处描述即可,在此不做赘述。
本实施例中,虽然直接将基于词袋模型得到载体的候选回环位置确定为回环检测结果,会使得最终确定的回环检测结果的准确性较低,但是根据载体所处环境的环境特征以及载体的运动特征,可以确定出该候选回环位置为载体曾经经过的历史回环位置的置信度。可以理解,该置信度越高,表明该候选回环位置为载体曾经经过的历史回环位置的可能性越高,即载体当前所处场景越有可能是曾经所经过的场景,从而以该候选回环位置作为回环检测结果的准确性也就越高,进而,将置信度较高的回环检测位置确定为最终的回环检测结果后,可以提高最终所确定出的回环检测结果的准确性。
本申请实施例中提到的“第一获取单元”、“第一计算单元”、“第一计算子单元”等名称中的“第一”只是用来做名字标识,并不代表顺序上的第一。该规则同样适用于“第二”等。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如只读存储器(英文:read-only memory,ROM)/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请示例性的实施方式,并非用于限定本申请的保护范围。
Claims (14)
1.一种SLAM系统的回环检测方法,其特征在于,所述方法包括:
获取载体所处环境的环境特征以及获取所述载体的运动特征、基于词袋模型确定的所述载体的多个候选回环位置;
根据所述环境特征以及所述运动特征,计算出针对于所述多个候选回环位置分别对应的回环检测置信参数,每个所述回环检测置信参数表征了所述回环检测置信参数对应的候选回环位置为所述载体经过的历史回环位置的置信度;
将所述多个候选回环位置中回环检测置信参数大于预设阈值的候选回环位置确定为回环检测结果。
2.根据权利要求1所述的方法,其特征在于,所述运动特征包括所述载体的俯仰角、横滚角以及航向角,所述环境特征包括所述载体所处环境的磁场信息。
3.根据权利要求2所述的方法,其特征在于,所述获取所述载体的运动特征,包括:
获取安装于所述载体上的加速度计所输出的比力信息;
根据所述比力信息以及所述磁场信息,计算出所述载体的俯仰角、横滚角以及航向角。
4.根据权利要求1所述的方法,其特征在于,所述根据所述环境特征以及所述运动特征,计算出针对于所述多个候选回环位置分别对应的回环检测置信参数,包括:
针对所述多个候选回环位置中的每个候选回环位置,根据所述环境特征以及所述运动特征,确定所述载体在当前位置的量化指标向量;
获取所述候选回环位置所对应的量化指标向量;
根据所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量,计算得到针对于所述候选回环位置的回环检测置信参数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量,计算得到针对于所述候选回环位置的回环检测置信参数,包括:
计算所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量中各个分量的模长之差的绝对值;
根据所述各个分量的模长之差的绝对值,计算得到针对于所述候选回环位置的回环检测置信参数。
6.根据权利要求5所述的方法,其特征在于,所述计算所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量中各个分量的模长之差的绝对值,具体为:
ΔQ[k]=|Qi[k]|-|Qx[k]|;
其中,ΔQ[k]表示量化指标向量Qi以及Qx中第k个分量的模长之差的绝对值,k=1,2,…,7,|Qi[k]|表示量化指标向量Qi中第k个分量的模长的绝对值,|Qx[k]|表示量化指标向量Qx中第k个分量的模长的绝对值;Qi=[Ψ,Mx_b、My_b、Mz_b,Mx_n,My_n,Mz_n],其中,Ψ为所述载体在所述当前位置处的航向角,Mx_b、My_b、Mz_b分别为所述载体在所述当前位置时基于b系的磁场信息在x轴、y轴以及z轴方向的分量,Mx_n,My_n,Mz_n分别为所述载体在所述当前位置时基于n系的磁场信息在x轴、y轴以及z轴方向的分量;Qx=[Ψ',Mx_b'、My_b'、Mz_b',Mx_n',My_n',Mz_n'],其中,Ψ'为所述载体在所述候选回环位置时所对应的航向角,Mx_b'、My_b'、Mz_b'分别为所述载体在所述候选回环位置时基于b系的磁场信息在x轴、y轴以及z轴方向的分量,Mx_n',My_n',Mz_n'分别为所述载体在所述候选回环位置处时基于n系的磁场信息在x轴、y轴以及z轴方向的分量。
8.一种SLAM系统的回环检测装置,其特征在于,所述装置包括:
获取模块,用于获取载体所处环境的环境特征以及获取所述载体的运动特征、基于词袋模型确定的所述载体的多个候选回环位置;
计算模块,用于根据所述环境特征以及所述运动特征,计算出针对于所述多个候选回环位置分别对应的回环检测置信参数,每个所述回环检测置信参数表征了所述回环检测置信参数对应的候选回环位置为所述载体经过的历史回环位置的置信度;
确定模块,用于将所述多个候选回环位置中回环检测置信参数大于预设阈值的候选回环位置确定为回环检测结果。
9.根据权利要求8所述的装置,其特征在于,所述运动特征包括所述载体的俯仰角、横滚角以及航向角,所述环境特征包括所述载体所处环境的磁场信息。
10.根据权利要求9所述的装置,其特征在于,所述获取模块,包括:
第一获取单元,用于获取安装于所述载体上的加速度计所输出的比力信息;
第一计算单元,用于根据所述比力信息以及所述磁场信息,计算出所述载体的俯仰角、横滚角以及航向角。
11.根据权利要求8所述的装置,其特征在于,所述计算模块,包括:
确定单元,用于针对所述多个候选回环位置中的每个候选回环位置,根据所述环境特征以及所述运动特征,确定所述载体在当前位置的量化指标向量;
第二获取单元,用于获取所述候选回环位置所对应的量化指标向量;
第二计算单元,用于根据所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量,计算得到针对于所述候选回环位置的回环检测置信参数。
12.根据权利要求11所述的装置,其特征在于,所述第二计算单元,包括:
第一计算子单元,用于计算所述载体在所述当前位置的量化指标向量以及所述候选回环位置所对应的量化指标向量中各个分量的模长之差的绝对值;
第二计算子单元,用于根据所述各个分量的模长之差的绝对值,计算得到针对于所述候选回环位置的回环检测置信参数。
13.根据权利要求12所述的装置,其特征在于,所述第一计算子单元,具体用于根据ΔQ[k]=|Qi[k]|-|Qx[k]|进行计算;
其中,ΔQ[k]表示量化指标向量Qi以及Qx中第k个分量的模长之差的绝对值,k=1,2,…,7,|Qi[k]|表示量化指标向量Qi中第k个分量的模长的绝对值,|Qx[k]|表示量化指标向量Qx中第k个分量的模长的绝对值;Qi=[Ψ,Mx_b、My_b、Mz_b,Mx_n,My_n,Mz_n],其中,Ψ为所述载体在所述当前位置处的航向角,Mx_b、My_b、Mz_b分别为所述载体在所述当前位置时基于b系的磁场信息在x轴、y轴以及z轴方向的分量,Mx_n,My_n,Mz_n分别为所述载体在所述当前位置时基于n系的磁场信息在x轴、y轴以及z轴方向的分量;Qx=[Ψ',Mx_b'、My_b'、Mz_b',Mx_n',My_n',Mz_n'],其中,Ψ'为所述载体在所述候选回环位置时所对应的航向角,Mx_b'、My_b'、Mz_b'分别为所述载体在所述候选回环位置时基于b系的磁场信息在x轴、y轴以及z轴方向的分量,Mx_n',My_n',Mz_n'分别为所述载体在所述候选回环位置处时基于n系的磁场信息在x轴、y轴以及z轴方向的分量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110962668.4A CN113670300A (zh) | 2019-08-28 | 2019-08-28 | 一种slam系统的回环检测方法及装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910804329.6A CN110514199B (zh) | 2019-08-28 | 2019-08-28 | 一种slam系统的回环检测方法及装置 |
CN202110962668.4A CN113670300A (zh) | 2019-08-28 | 2019-08-28 | 一种slam系统的回环检测方法及装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910804329.6A Division CN110514199B (zh) | 2019-08-28 | 2019-08-28 | 一种slam系统的回环检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113670300A true CN113670300A (zh) | 2021-11-19 |
Family
ID=68627654
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910804329.6A Active CN110514199B (zh) | 2019-08-28 | 2019-08-28 | 一种slam系统的回环检测方法及装置 |
CN202110962668.4A Pending CN113670300A (zh) | 2019-08-28 | 2019-08-28 | 一种slam系统的回环检测方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910804329.6A Active CN110514199B (zh) | 2019-08-28 | 2019-08-28 | 一种slam系统的回环检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN110514199B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115290066A (zh) * | 2022-07-06 | 2022-11-04 | 杭州萤石软件有限公司 | 一种误差校正方法、装置及移动设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780608A (zh) * | 2016-11-23 | 2017-05-31 | 北京地平线机器人技术研发有限公司 | 位姿信息估计方法、装置和可移动设备 |
CN108253958A (zh) * | 2018-01-18 | 2018-07-06 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人实时定位方法 |
CN108805149A (zh) * | 2017-05-05 | 2018-11-13 | 中兴通讯股份有限公司 | 一种视觉同步定位与地图构建的回环检测方法及装置 |
CN109409418A (zh) * | 2018-09-29 | 2019-03-01 | 中山大学 | 一种基于词袋模型的回环检测方法 |
WO2019128552A1 (zh) * | 2017-12-29 | 2019-07-04 | Oppo广东移动通信有限公司 | 信息推送方法、装置、终端及存储介质 |
CN110044354A (zh) * | 2019-03-28 | 2019-07-23 | 东南大学 | 一种双目视觉室内定位与建图方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665540A (zh) * | 2018-03-16 | 2018-10-16 | 浙江工业大学 | 基于双目视觉特征和imu信息的机器人定位与地图构建系统 |
CN108303099B (zh) * | 2018-06-14 | 2018-09-28 | 江苏中科院智能科学技术应用研究院 | 基于三维视觉slam的无人机室内自主导航方法 |
CN109682385A (zh) * | 2018-11-05 | 2019-04-26 | 天津大学 | 一种基于orb特征的即时定位与地图构建的方法 |
-
2019
- 2019-08-28 CN CN201910804329.6A patent/CN110514199B/zh active Active
- 2019-08-28 CN CN202110962668.4A patent/CN113670300A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780608A (zh) * | 2016-11-23 | 2017-05-31 | 北京地平线机器人技术研发有限公司 | 位姿信息估计方法、装置和可移动设备 |
CN108805149A (zh) * | 2017-05-05 | 2018-11-13 | 中兴通讯股份有限公司 | 一种视觉同步定位与地图构建的回环检测方法及装置 |
WO2019128552A1 (zh) * | 2017-12-29 | 2019-07-04 | Oppo广东移动通信有限公司 | 信息推送方法、装置、终端及存储介质 |
CN108253958A (zh) * | 2018-01-18 | 2018-07-06 | 亿嘉和科技股份有限公司 | 一种稀疏环境下的机器人实时定位方法 |
CN109409418A (zh) * | 2018-09-29 | 2019-03-01 | 中山大学 | 一种基于词袋模型的回环检测方法 |
CN110044354A (zh) * | 2019-03-28 | 2019-07-23 | 东南大学 | 一种双目视觉室内定位与建图方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110514199A (zh) | 2019-11-29 |
CN110514199B (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112347840B (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 | |
CN109270545B (zh) | 一种定位真值校验方法、装置、设备及存储介质 | |
CN110081881B (zh) | 一种基于无人机多传感器信息融合技术的着舰引导方法 | |
CN108051002A (zh) | 基于惯性测量辅助视觉的运输车空间定位方法及系统 | |
US20210183100A1 (en) | Data processing method and apparatus | |
CN110717927A (zh) | 基于深度学习和视惯融合的室内机器人运动估计方法 | |
CN113748357A (zh) | 激光雷达的姿态校正方法、装置和系统 | |
CN111829532B (zh) | 一种飞行器重定位系统和重定位方法 | |
CN109752003A (zh) | 一种机器人视觉惯性点线特征定位方法及装置 | |
US11568598B2 (en) | Method and device for determining an environment map by a server using motion and orientation data | |
Miao et al. | UniVIO: Unified direct and feature-based underwater stereo visual-inertial odometry | |
Garcia et al. | Real-time navigation for drogue-type autonomous aerial refueling using vision-based deep learning detection | |
Xian et al. | Fusing stereo camera and low-cost inertial measurement unit for autonomous navigation in a tightly-coupled approach | |
CN110514199B (zh) | 一种slam系统的回环检测方法及装置 | |
Miller et al. | UAV navigation based on videosequences captured by the onboard video camera | |
CN117685953A (zh) | 面向多无人机协同定位的uwb与视觉融合定位方法及系统 | |
CN115540854A (zh) | 一种基于uwb辅助的主动定位方法、设备和介质 | |
KR20200032776A (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
Yan et al. | Horizontal velocity estimation via downward looking descent images for lunar landing | |
CN114593735A (zh) | 一种位姿预测方法及装置 | |
Artemciukas et al. | Kalman filter for hybrid tracking technique in augmented reality | |
CN112509006A (zh) | 一种子地图恢复融合方法及装置 | |
Alix et al. | Error characterization of flight trajectories reconstructed using Structure from Motion | |
CN117611762B (zh) | 一种多层级地图构建方法、系统及电子设备 | |
Gao et al. | Visual-inertial odometry system with simultaneous extrinsic parameters optimization |
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 |