CN117168434A - 一种基于gps和双目视觉定位系统的自适应图优化方法 - Google Patents
一种基于gps和双目视觉定位系统的自适应图优化方法 Download PDFInfo
- Publication number
- CN117168434A CN117168434A CN202311095260.7A CN202311095260A CN117168434A CN 117168434 A CN117168434 A CN 117168434A CN 202311095260 A CN202311095260 A CN 202311095260A CN 117168434 A CN117168434 A CN 117168434A
- Authority
- CN
- China
- Prior art keywords
- gps
- residual
- binocular vision
- positioning system
- vision positioning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 25
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 33
- 238000004590 computer program Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于GPS和双目视觉定位系统的自适应图优化方法。该方法包括：基于GPS和双目视觉定位系统，获得GPS残差项，使用Huber损失函数构建优化残差函数，设置调谐参数初始值；然后循环执行以下步骤：利用滑动窗口存储GPS残差项中的GPS残差值，使用卡方分布计算存储的N个GPS残差值的权重，通过权重求得干扰参数。利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数；基于求得的最优调谐参数，以调谐参数上下限为约束，更新调谐参数；将更新后的调谐参数带入GPS和双目视觉定位系统实现自适应调整，从而提高了GPS和双目视觉定位系统的精确度和鲁棒性。
Description
技术领域
本申请涉及定位技术领域，尤其涉及一种基于GPS和双目视觉定位系统的自适应图优化方法。
背景技术
随着定位技术的发展，定位和导航领域正经历着快速变革。不断涌现的新技术和创新应用不仅改善了现有定位方法的精度和可靠性，还为全新的应用场景带来了前所未有的可能性。在室外环境中，GPS被广泛用于实现高精度的位置定位。然而，在室内环境中，GPS的定位精度会受到建筑物和其他物体的阻挡，信号多径效应等因素的影响，从而导致定位不稳定或不准确。为了在室内环境中实现精确的定位，双目视觉定位系统是一种常用的选择。因此，将GPS在室外环境中的高精度定位与双目视觉定位系统在室内环境中的定位能力结合起来，可以实现在不同环境下的连续和精确定位。
然而，许多现有的误差优化方法往往没有充分考虑到不同环境和应用需求可能带来的变化。在GPS和双目视觉定位系统中，不同环境(室内与室外)以及应用场景的多样性，都可能导致传感器测量误差的变化，从而影响到定位的准确性和稳定性。
发明内容
鉴于以上技术问题中的至少一项，为了实现在GPS和双目视觉定位系统下的精确定位，本申请提供了一种基于GPS和双目视觉定位系统的自适应图优化方法。
本发明采用的技术方案为：
第一方面，本发明提供一种基于GPS和双目视觉定位系统的自适应图优化方法，包括：
步骤1，基于GPS和双目视觉定位系统，获得GPS残差项；其中所述GPS残差项包括多个GPS残差值；
步骤2，设定优化残差函数的调谐参数初始值；
然后循环执行步骤3至步骤7：
步骤3，利用设定长度N的滑动窗口存储GPS残差项中的GPS残差值，使用卡方分布计算存储的N个GPS残差值的权重；
步骤4，根据存储的N个GPS残差值的权重求得干扰参数；
步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数；
步骤6，基于求得的最优调谐参数，以调谐参数上下限为约束，更新调谐参数；
步骤7，将更新后的调谐参数带入GPS和双目视觉定位系统实现自适应调整。
在一些实施例中，步骤1，基于GPS和双目视觉定位系统，获得GPS残差项，包括：
基于GPS和双目视觉定位系统的传感器，获取GPS定位数据和双目视觉数据；
将双目视觉数据转换到GPS坐标系中，得到转换后的双目视觉数据；
将GPS定位数据和转换后的双目视觉数据进行融合后减去GPS观测值，获得GPS残差项。
在一些实施例中，步骤2中，所述优化残差函数使用Huber损失函数，用于降低异常值对优化过程的影响；其中优化残差函数ρ(ζi)表示为：
其中ζi为第i时刻的GPS残差值；在干扰参数未知的情况下，调谐参数γ的选择通常由模型分布的期望方差决定。
在一些实施例中，调谐参数γ初始值为1.345。
在一些实施例中，步骤3，利用设定长度N的滑动窗口存储GPS残差项中的GPS残差值，使用卡方分布计算存储的N个GPS残差值的权重，包括：
用一个设定长度N的滑动窗口存储GPS残差值，每次向窗口中添加一个新的GPS残差值，需要移除最早的GPS残差值来保证窗口大小为N；
使用卡方分布计算存储的每个GPS残差值的权重ωi：
其中表示卡方分布的临界值，n是自由度，α是显著性水平，ζi表示第i时刻的GPS残差值；
对于每个GPS残差值，计算值，将计算得到的/>值与1进行比较，取其中的较小值。
在一些实施例中，滑动窗口的长度大小N为25。
在一些实施例中，步骤4，根据存储的N个GPS残差值的权重ωi求得干扰参数∈，包括：
其中N代表滑动窗口的长度大小。
在一些实施例中，步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数γ＊，包括：
式中∈为干扰参数，当异常值的数量逐渐增加并开始影响数据整体分布时，优化残差函数能够在一定程度上保持其鲁棒性；优化残差函数在高斯分布的∈邻域内具有渐近最优鲁棒性；
测量误差遵循高斯分布的密度函数f(ψ)表示为：
其中g(ψ)为未知扰动密度函数；
优化残差函数在高斯分布的∈邻域内最大渐近估计方差最小；这种形式的估计量是渐近正态的。
在一些实施例中，步骤6中，调谐参数γ上下限为1.0≤γ≤2.0。
第二方面，本发明提供了一种基于GPS和双目视觉定位系统的自适应图优化系统，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据第一方面所述的方法。
第三方面，本发明提供了一种设备，包括，
存储器；
处理器；
以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现上述第一方面所述的方法。
第四方面，本发明提供了一种存储介质，其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第一方面所述的方法。
有益效果为：本发明通过引入自适应图优化方法，在优化过程中实时调整损失函数的调谐参数，可以适应当前环境和应用需求的变化。这种自适应性使系统能够在不同环境中自动调整参数，从而更好地平衡不同类型误差的影响，进而实现更高的定位精确度和更强的鲁棒性。
(1)可以根据实时的传感器数据和环境信息来进行参数调整，提高了GPS和双目视觉定位系统的精确度和鲁棒性；
(2)可以在不同情况下保持一定程度的性能，减少因为特定环境变化而导致的定位失败或不准确的情况；
(3)适当选取滑动窗口的长度大小，一定程度上降低系统总体计算量。
附图说明
图1为本发明实施例中所述的基于GPS和双目视觉定位系统的自适应图优化方法的流程示意图。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步的详细说明。
实施例1
第一方面，如图1所示，本实施例提供了一种基于GPS和双目视觉定位系统的自适应图优化方法，包括：
步骤1，基于GPS和双目视觉定位系统，获得GPS残差项；其中所述GPS残差项包括多个GPS残差值；
步骤2，设定优化残差函数的调谐参数初始值；
然后循环执行步骤3至步骤7：
步骤3，利用设定长度N的滑动窗口存储GPS残差项中的GPS残差值，使用卡方分布计算存储的N个GPS残差值的权重；
步骤4，根据存储的N个GPS残差值的权重求得干扰参数；
步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数；
步骤6，基于求得的最优调谐参数，以调谐参数上下限为约束，更新调谐参数；
步骤7，将更新后的调谐参数带入GPS和双目视觉定位系统实现自适应调整；从而提高了GPS和双目视觉定位系统的精确度和鲁棒性。
在一些实施例中，所述方法的具体步骤流程如下：
视觉惯性导航系统的图优化部分通常使用非线性优化方法，例如BundleAdjustment(BA)优化来最小化传感器测量和估计之间的残差，从而优化轨迹和地图。BA优化的一般步骤如下：
建立优化问题：将所有相机姿态和三维地图点作为变量，将观测到的特征点与它们在图像中的投影关系作为约束，建立一个非线性最小二乘问题。
定义代价函数：将每个观测残差(实际观测与重投影预测之间的差异)平方，得到一个代价函数，该代价函数需要最小化。
选择优化方法：常用的优化方法包括Levenberg-Marquardt(LM)方法和Gauss-Newton(GN)方法。这些方法在每次迭代中更新变量，以最小化代价函数。
迭代优化：从初始的相机姿态和地图点估计开始，迭代地应用优化方法来调整变量，直到代价函数收敛或达到预定的迭代次数。
更新相机姿态和地图点：在每次迭代中，根据优化的结果，更新相机的姿态和三维地图点的位置。
从传感器中获取GPS定位数据和双目视觉数据，将双目视觉数据转换到GPS坐标系中，通过融合GPS定位数据和转换后的双目视觉减去GPS观测值形成GPS残差项。
使用大规模非线性最小二乘问题求解库Ceres Solver进行处理。定义残差函数，定义参数，构建问题，选择优化器，运行优化，处理结果。
使用Huber损失函数作为构建优化残差函数，可以降低异常值对优化过程的影响。其中Huber损失函数为：
在干扰参数未知的情况下，调谐参数γ的选择通常由模型分布的期望方差决定。一般情况下，调谐参数γ初始值设置为1.345。
用一个长度为25的滑动窗口存储GPS残差值，在每次向窗口中添加一个新的残差值，需要移除最早的残差值来保证窗口大小为25。使用卡方分布计算每个数据点的权重。权重ωi可表示为
对于每个数据点，计算值，将计算得到的/>值与1进行比较，取其中的较小值。这是因为ωi的范围是0到1，通过取较小值，可以确保权重ωi不超过1。这个较小值就是第i个数据点的权重ωi。
通过GPS残差值对应的权重求得干扰参数。干扰参数∈可表示为：
其中N代表滑动窗口的长度大小，取值为25，缩短滑动窗口N可降低系统总体计算量。
通过下面隐式方程带入干扰参数∈求得Huber损失函数的最优调谐参数γ＊。
当异常值的数量逐渐增加并开始影响数据整体分布时，Huber损失函数能够在一定程度上保持其鲁棒性。也就是说，Huber损失函数在高斯分布的∈邻域内具有渐近最优鲁棒性。测量误差遵循高斯分布的密度函数形式为：
式中∈为干扰参数，g(ψ)为未知扰动密度函数。Huber损失函数在高斯分布的∈邻域内最大渐近估计方差最小。此外，这种形式的估计量是渐近正态的。
对更新中的调谐参数γ的值设置上下限，即1.0≤γ≤2.0。通过将调谐参数限制在有界范围内，可以确保在异常值附近的行为是可控的，避免在极端情况下产生不稳定的响应，还可以防止对数据的拟合过于灵活。
将最优调谐参数带入系统实现自适应调整，通过滑动窗口移动实时计算最优调谐参数，更新最优调谐参数，从而提高了GPS和双目视觉定位系统的精确度和鲁棒性。
实施例2
第二方面，基于实施例1，本实施例提供了一种基于GPS和双目视觉定位系统的自适应图优化系统，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据实施例1所述的方法。
实施例3
第三方面，基于实施例1，本实施例提供了一种设备，包括，
存储器；
处理器；
以及
计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现实施例1所述的方法。
实施例4
第四方面，基于实施例1，本实施例提供了一种存储介质，其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实施例1所述的方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书(包括摘要和附图)中公开的任一特征，除非特别叙述，均可被其它等效或者具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
以上所述仅为本发明的较佳实施方式，本发明的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本发明所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。
Claims (10)
1.一种基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，所述方法包括：
步骤1，基于GPS和双目视觉定位系统，获得GPS残差项；其中所述GPS残差项包括多个GPS残差值；
步骤2，设定优化残差函数的调谐参数初始值；
然后循环执行步骤3至步骤7：
步骤3，利用设定长度N的滑动窗口存储GPS残差项中的GPS残差值，使用卡方分布计算存储的N个GPS残差值的权重；
步骤4，根据存储的N个GPS残差值的权重求得干扰参数；
步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数；
步骤6，基于求得的最优调谐参数，以调谐参数上下限为约束，更新调谐参数；
步骤7，将更新后的调谐参数带入GPS和双目视觉定位系统实现自适应调整。
2.根据权利要求1所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，步骤1，基于GPS和双目视觉定位系统，获得GPS残差项，包括：
基于GPS和双目视觉定位系统的传感器，获取GPS定位数据和双目视觉数据；
将双目视觉数据转换到GPS坐标系中，得到转换后的双目视觉数据；
将GPS定位数据和转换后的双目视觉数据进行融合后减去GPS观测值，获得GPS残差项。
3.根据权利要求1所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，步骤2中，所述优化残差函数使用Huber损失函数，用于降低异常值对优化过程的影响；其中优化残差函数ρ(ζi)表示为：
其中ζi为第i时刻的GPS残差值；在干扰参数未知的情况下，调谐参数γ的选择通常由模型分布的期望方差决定。
4.根据权利要求1或3所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，调谐参数γ初始值为1.345。
5.根据权利要求1所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，步骤3，利用设定长度N的滑动窗口存储GPS残差项中的GPS残差值，使用卡方分布计算存储的N个GPS残差值的权重，包括：
用一个设定长度N的滑动窗口存储GPS残差值，每次向窗口中添加一个新的GPS残差值，需要移除最早的GPS残差值来保证窗口大小为N；
使用卡方分布计算存储的每个GPS残差值的权重ωi：
其中表示卡方分布的临界值，n是自由度，α是显著性水平，ζi表示第i时刻的GPS残差值；
对于每个GPS残差值，计算值，将计算得到的/>值与1进行比较，取其中的较小值。
6.根据权利要求1所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，滑动窗口的长度大小N为25。
7.根据权利要求1所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，步骤4，根据存储的N个GPS残差值的权重ωi求得干扰参数∈，包括：
其中N代表滑动窗口的长度大小。
8.根据权利要求1所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数γ＊，包括：
式中∈为干扰参数，当异常值的数量逐渐增加并开始影响数据整体分布时，优化残差函数能够在一定程度上保持其鲁棒性；优化残差函数在高斯分布的∈邻域内具有渐近最优鲁棒性；
测量误差遵循高斯分布的密度函数f(ψ)表示为：
其中g(ψ)为未知扰动密度函数；
优化残差函数在高斯分布的∈邻域内最大渐近估计方差最小；这种形式的估计量是渐近正态的。
9.根据权利要求1所述的基于GPS和双目视觉定位系统的自适应图优化方法，其特征在于，步骤6中，调谐参数γ上下限为1.0≤γ≤2.0。
10.一种基于GPS和双目视觉定位系统的自适应图优化系统，其特征在于，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1至9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311095260.7A CN117168434A (zh) | 2023-08-29 | 2023-08-29 | 一种基于gps和双目视觉定位系统的自适应图优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311095260.7A CN117168434A (zh) | 2023-08-29 | 2023-08-29 | 一种基于gps和双目视觉定位系统的自适应图优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117168434A true CN117168434A (zh) | 2023-12-05 |
Family
ID=88944074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311095260.7A Pending CN117168434A (zh) | 2023-08-29 | 2023-08-29 | 一种基于gps和双目视觉定位系统的自适应图优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117168434A (zh) |
-
2023
- 2023-08-29 CN CN202311095260.7A patent/CN117168434A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107796397B (zh) | 一种机器人双目视觉定位方法、装置和存储介质 | |
| JP7019037B2 (ja) | システムを制御する装置及び方法 | |
| CN111102978B (zh) | 一种车辆运动状态确定的方法、装置及电子设备 | |
| US20190242952A1 (en) | Compensating for Distortion in an Electromagnetic Tracking System | |
| CN103153790B (zh) | 使用运动传感器和附接至装置的磁力计的测量数据估计该装置在重力参照系中的偏航角的设备和方法 | |
| CN111896914A (zh) | 一种协同定位方法、装置、设备和存储介质 | |
| CN111076722B (zh) | 基于自适应的四元数的姿态估计方法及装置 | |
| KR101234797B1 (ko) | 로봇 및 산출된 공분산을 이용한 로봇의 위치 추정 방법 | |
| CN112082547B (zh) | 组合导航系统优化方法、装置、电子设备及存储介质 | |
| CN114061559B (zh) | 光纤陀螺零偏漂移的补偿方法、系统和计算机存储介质 | |
| CN112964276A (zh) | 一种基于激光和视觉融合的在线标定方法 | |
| CN111190207A (zh) | 基于pstcsdref算法的无人机ins bds组合导航方法 | |
| CN107356786B (zh) | 加速度计的校准方法和装置、计算机可读存储介质 | |
| CN113504796A (zh) | 无人机轨迹处理方法、装置、电子设备和存储介质 | |
| CN117168434A (zh) | 一种基于gps和双目视觉定位系统的自适应图优化方法 | |
| CN109655081B (zh) | 星敏感器光学系统参数在轨自适应校正方法及系统 | |
| CN109459769B (zh) | 一种自主定位方法与系统 | |
| US20230078005A1 (en) | Navigation assistance method for a mobile carrier | |
| JP2019168776A (ja) | パラメータ同定装置及びその方法並びにプログラム | |
| CN108332751B (zh) | 一种多源融合定位方法、装置、电子设备及存储介质 | |
| JP2019168775A (ja) | パラメータ同定装置及びその方法並びにプログラム | |
| CN116518983B (zh) | 用于移动机器人定位的自适应融合方法及装置 | |
| CN117111641B (zh) | 无人机航线纠偏方法、装置、设备及存储介质 | |
| CN116817684B (zh) | 基于萤火虫算法的火箭入轨倾角修正方法、设备及介质 | |
| CN112589806B (zh) | 机器人位姿信息确定方法、装置、设备及存储介质 |
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 |