CN211878189U - 一种基于改进图优化slam的地空协同视觉导航装置 - Google Patents
一种基于改进图优化slam的地空协同视觉导航装置 Download PDFInfo
- Publication number
- CN211878189U CN211878189U CN201920972633.7U CN201920972633U CN211878189U CN 211878189 U CN211878189 U CN 211878189U CN 201920972633 U CN201920972633 U CN 201920972633U CN 211878189 U CN211878189 U CN 211878189U
- Authority
- CN
- China
- Prior art keywords
- module
- data transmission
- end processing
- processing module
- data
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 47
- 238000004891 communication Methods 0.000 claims description 18
- 235000001674 Agaricus brunnescens Nutrition 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 10
- 239000011159 matrix material Substances 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000003795 chemical substances by application Substances 0.000 description 14
- 238000001914 filtration Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
Abstract
本实用新型公开了一种基于改进图优化SLAM的地空协同视觉导航装置，属于导航技术领域，使用传感器结合动力结构分别构成空中和地面的智能体，在各个智能体中，搭载了改进图优化地空协同视觉导航方法，该方法包含四个模块：信号采集模块用于采集位置信号和位置环境下的视觉信号；前端处理模块用于对采集到的信息进行处理，将各种信号转换为矩阵；后端处理模块使用由前端提供的矩阵进行位子估计和状态更新；改进图优化算法模块用于加快后端模块计算速度，降低后端模块的计算压力，通过使用以上方法，对放置于未知环境下的多智能体系统进行定位导航系统的优化，提高导航系统的定位精度，加快定位速度，同时降低计算复杂度。
Description
技术领域
本实用新型属于导航技术领域，具体涉及一种基于改进图优化SLAM的地空协同视觉导航装置。
背景技术
视觉导航系统近年来成为导航研究中较为热门的研究领域。从1986年即时定位与地图构建(SLAM)提出以来，得到了迅猛的发展。而这一技术更多应用于如无人机，无人车等智能无人设备中。当移动机器人进入一个陌生环境中时，需要通过自身的传感器对环境地图进行构建，并同时确定自身在地图中的位置。由于相机具有体积小，重量轻，价格便宜等优良特点，且摄像机可以获得场景中二维信息，并通过相应算法得到位姿信息和运动状态信息，使得SLAM有了长足的发展。
传统的单目相机由于缺少深度无法提供足够维度的信息以供解算，因此在精度方面导致效率不高；而双目相机和深度相机虽然解决的数据维度的问题，但是也增加了硬件体积，使得在无人机等一些应用场景下无法发挥作用。经典的单目视觉SLAM算法采用基于点特征的卡尔曼滤波(EKF)实现定位与建图，这一方法的主要思想是使用状态向量存储相机的位姿信息和地图中特征点的三维坐标，用概率密度函数表示观测的不确定性，通过对观测模型的递归计算，最终获得更新状态向量的均值和方差，但是由于引进了EKF，对于SLAM算法计算的时间和空间复杂度带来了不确定性和线性化问题，同时，使用点特征方法增大了矩阵的维度，也增加了计算的复杂度。
为了弥补EKF的线性化结果带来的影响，先后出现了无迹卡尔曼滤波，粒子滤波等多种滤波方式。这些方法虽然解决了EKF的线性化问题，但是计算复杂度上依然没有显著地提升。目前，SLAM技术大多应用于单一无人设备中，在一些多设备协同的场景下，多个单一无人设备在同一场景中会重复多次处理相同的特征，这对于整个群体在计算资源上产生了浪费。对于群体智能设备(多智能体)而言，现阶段研究更多停留在既定路线的规划上，诸如蜂群，蚁群等研究在路径规划领域有极其显著的效果，但在陌生环境下，路径规划系统难以发挥自身优势，使得多智能体在处理这类场景时仍然存在系统效率低下，系统运行不稳定，导航精度低等问题。
发明内容
本实用新型提供了一种基于改进图优化SLAM的地空协同视觉导航装置，解决了现有技术中面对多智能体置于位置场景下导航效率低，系统运行不稳定等问题。
为实现以上目的，本实用新型采用以下技术方案：
一种基于改进图优化SLAM的地空协同视觉导航装置，包括：信号采集模块，前端处理模块，后端处理模块，信息通讯模块；所述信号采集模块包括单目视觉传感器；所述前端处理模块包括信号处理系统与数传；所述后端处理模块包括数据计算系统；所述信息通讯模块包括数传模块和图传模块；所述信号采集模块将视频信号采集后，传送给所述前端处理模块进行前期处理，得到关键帧信息与特征点信息后，传送给所述后端处理模块，所述后端处理模块对对应关键帧的特征点进行位姿解算和状态估计，并将结果传送给控制系统，各个模块之间以及各个模块与控制系统之间的联系都依靠信息通讯模块实现。
以上所述装置中，所述前端处理模块中的信号处理系统为基于STM32的信号处理系统，所述数传为433Mhz数传；所述后端处理模块中的数据计算系统为基于单片机的数据计算系统；所述信息通讯模块中的数传模块为安置在各个智能体上用于传输数据的433Mhz的数传模块，所述图传模块为5.8Ghz的图传模块；所述智能体包括：空中智能体和地面智能体，所述空中智能体和地面智能体使用 Mavlink通讯协议通过433MHz数传与蘑菇天线进行数据交互和传输，所述地面智能体为携带有GNSS接收机、惯性导航传感器、单目视觉传感器、433MHz数传和基于STM32的处理系统构成的无人智能小车，所述空中智能体为携带有GNSS接收机、加速度传感器、陀螺仪、单目视觉传感器、433MHz数传和基于 STM32的处理器系统构成的智能无人机；各传感器均通过连接到STM32，将数据传送至处理器中进行处理，需要交互的信息通过连接在STM32通信端口的数传和蘑菇天线进行。
有益效果：本实用新型提供了一种基于改进图优化SLAM的地空协同视觉导航装置，通过使用多个空地智能体之间的协调，减少了单一智能体需要处理的特征点数据，通过设置数据合并场景，简化了需要进行的计算和数据交互，解决了由于大量数据传输导致的信道闭塞问题，加快了整个系统导航数据的解算速度。本实用新型的基于多个智能体的导航系统可以在民用、商用、军用等多个领域发挥作用。
附图说明
图1是本实用新型的硬件系统硬件结构图；
图2是本实用新型实施例中装置组成图。
具体实施方式
下面结合附图和具体实施例对本实用新型进行详细说明：
如图2所示，一种基于改进图优化SLAM的地空协同视觉导航装置，包括：信号采集模块，前端处理模块，后端处理模块，信息通讯模块；所述信号采集模块包括单目视觉传感器；所述前端处理模块包括信号处理系统与数传；所述后端处理模块包括数据计算系统；所述信息通讯模块包括数传模块和图传模块；所述信号采集模块将视频信号采集后，传送给所述前端处理模块进行前期处理，得到关键帧信息与特征点信息后，传送给所述后端处理模块，所述后端处理模块对对应关键帧的特征点进行位姿解算和状态估计，并将结果传送给控制系统，各个模块之间以及各个模块与控制系统之间的联系都依靠信息通讯模块实现。所述信号采集模块的主要作用是使用传感器探测场景和位置信息；前端处理模块将信号采集模块得到的信息进行简单的预处理，将图像信息转换为矩阵信息以便运算；后端处理模块取得前端处理模块传递的矩阵信息对矩阵进行处理；改进图优化算法模块从属于后端处理模块，这一模块用于加速信息处理的速度。
以上所述装置中，所述前端处理模块中的信号处理系统为基于STM32的信号处理系统，所述数传为433Mhz数传；所述后端处理模块中的数据计算系统为基于单片机的数据计算系统；所述信息通讯模块中的数传模块为安置在各个智能体上用于传输数据的433Mhz的数传模块，所述图传模块为5.8Ghz的图传模块；如图1所示，所述智能体包括：空中智能体和地面智能体，所述地面智能体为携带有GNSS接收机、惯性导航传感器、单目视觉传感器、433MHz数传和基于 STM32的处理系统构成的无人智能小车，所述空中智能体为携带有GNSS接收机、加速度传感器、陀螺仪、单目视觉传感器、433MHz数传和基于STM32的处理器系统构成的智能无人机；各传感器均通过连接到STM32，将数据传送至处理器中进行处理，需要交互的信息通过连接在STM32通信端口的数传和蘑菇天线进行。所述空中智能体和地面智能体使用Mavlink通讯协议通过433MHz数传与蘑菇天线进行数据交互和传输，并设计了数据传输场景。当数据传输场景条件触发时，将会发生数据传输事件；GNSS接收机，惯性导航传感器用于提供未知场景下的位置信息为粗略确定位置与检测回环时提供数据；视觉传感器用于采集未知场景下的图像，通过对图像进行初步处理，提取图像中的点特征，线特征。通过算法完成特征提取的过程，为后端提供视野内的特征数据；STM32作为算法载体和处理器，通过编写程序将算法烧写进闪存，在视觉传感器提供视野内的特征数据以后，按照改进图优化算法完成位姿估计，协调数传更新本地与全局数据等功能；多个智能体通过分层SLAM协同进行环境特征相关数据与信息的交互。
以上所述仅为本实用新型的优选实施方式，但本实用新型的保护范围并不局限于此，本领域技术人员在本实用新型揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本实用新型的保护范围之内。
Claims (3)
1.一种基于改进图优化SLAM的地空协同视觉导航装置，其特征在于，包括：信号采集模块，前端处理模块，后端处理模块，信息通讯模块；所述信号采集模块包括单目视觉传感器；所述前端处理模块包括信号处理系统与数传；所述后端处理模块包括数据计算系统；所述信息通讯模块包括数传模块和图传模块；所述信号采集模块将视频信号采集后，传送给所述前端处理模块进行前期处理，得到关键帧信息与特征点信息后，传送给所述后端处理模块，所述后端处理模块对对应关键帧的特征点进行位姿解算和状态估计，并将结果传送给控制系统，各个模块之间以及各个模块与控制系统之间的联系都依靠信息通讯模块实现。
2.根据权利要求1所述的基于改进图优化SLAM的地空协同视觉导航装置，其特征在于，所述前端处理模块中的信号处理系统为基于STM32的信号处理系统，所述数传为433Mhz数传；所述后端处理模块中的数据计算系统为基于单片机的数据计算系统；所述信息通讯模块中的数传模块为安置在各个智能体上用于传输数据的433Mhz的数传模块，所述图传模块为5.8Ghz的图传模块；所述智能体包括：空中智能体和地面智能体，所述空中智能体和地面智能体使用Mavlink通讯协议通过433MHz数传与蘑菇天线进行数据交互和传输。
3.根据权利要求2所述的基于改进图优化SLAM的地空协同视觉导航装置，其特征在于，所述地面智能体为携带有GNSS接收机、惯性导航传感器、单目视觉传感器、433MHz数传和基于STM32的处理系统构成的无人智能小车，所述空中智能体为携带有GNSS接收机、加速度传感器、陀螺仪、单目视觉传感器、433MHz数传和基于STM32的处理器系统构成的智能无人机；各传感器均通过连接到STM32，将数据传送至处理器中进行处理，需要交互的信息通过连接在STM32通信端口的数传和蘑菇天线进行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201920972633.7U CN211878189U (zh) | 2019-06-26 | 2019-06-26 | 一种基于改进图优化slam的地空协同视觉导航装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201920972633.7U CN211878189U (zh) | 2019-06-26 | 2019-06-26 | 一种基于改进图优化slam的地空协同视觉导航装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN211878189U true CN211878189U (zh) | 2020-11-06 |
Family
ID=73240057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201920972633.7U Active CN211878189U (zh) | 2019-06-26 | 2019-06-26 | 一种基于改进图优化slam的地空协同视觉导航装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN211878189U (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110261877A (zh) * | 2019-06-26 | 2019-09-20 | 南京航空航天大学 | 一种基于改进图优化slam的地空协同视觉导航方法及装置 |
| CN112948411A (zh) * | 2021-04-15 | 2021-06-11 | 深圳市慧鲤科技有限公司 | 位姿数据的处理方法及接口、装置、系统、设备和介质 |
-
2019
- 2019-06-26 CN CN201920972633.7U patent/CN211878189U/zh active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110261877A (zh) * | 2019-06-26 | 2019-09-20 | 南京航空航天大学 | 一种基于改进图优化slam的地空协同视觉导航方法及装置 |
| CN112948411A (zh) * | 2021-04-15 | 2021-06-11 | 深圳市慧鲤科技有限公司 | 位姿数据的处理方法及接口、装置、系统、设备和介质 |
| CN112948411B (zh) * | 2021-04-15 | 2022-10-18 | 深圳市慧鲤科技有限公司 | 位姿数据的处理方法及接口、装置、系统、设备和介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109579843B (zh) | 一种空地多视角下的多机器人协同定位及融合建图方法 | |
| CN110068335B (zh) | 一种gps拒止环境下无人机集群实时定位方法及系统 | |
| CN110446159B (zh) | 一种室内无人机精确定位与自主导航的系统及方法 | |
| US11313684B2 (en) | Collaborative navigation and mapping | |
| CN112129281B (zh) | 一种基于局部邻域地图的高精度图像导航定位方法 | |
| Wang et al. | Pointloc: Deep pose regressor for lidar point cloud localization | |
| CN113625774B (zh) | 局部地图匹配与端到端测距多无人机协同定位系统和方法 | |
| CN211878189U (zh) | 一种基于改进图优化slam的地空协同视觉导航装置 | |
| US11275965B2 (en) | Method for generation of an augmented point cloud with point features from aggregated temporal 3D coordinate data, and related device | |
| CN113758488B (zh) | 一种基于uwb与vio的室内定位方法及设备 | |
| CN110261877A (zh) | 一种基于改进图优化slam的地空协同视觉导航方法及装置 | |
| Goel | A distributed cooperative uav swarm localization system: Development and analysis | |
| CN111812978B (zh) | 一种多无人机协作slam方法与系统 | |
| CN113674355A (zh) | 一种基于相机与激光雷达的目标识别与定位方法 | |
| CN112991440B (zh) | 车辆的定位方法和装置、存储介质和电子装置 | |
| Zhang et al. | Online ground multitarget geolocation based on 3-D map construction using a UAV platform | |
| CN113961013A (zh) | 一种基于rgb-d slam的无人机路径规划方法 | |
| CN110309883A (zh) | 一种基于视觉slam的无人机自主定位方法 | |
| CN114217303A (zh) | 目标定位跟踪方法及装置、水下机器人和存储介质 | |
| CN116989772B (zh) | 一种空地多模态多智能体协同定位与建图方法 | |
| He et al. | Visual positioning system for small-scaled spherical robot in underwater environment | |
| CN114266830B (zh) | 地下大空间高精度定位方法 | |
| Teixeira et al. | Cooperative multiple formation control of autonomous marine vehicles | |
| WO2024007796A1 (zh) | 数据处理方法及相关装置 | |
| Yu et al. | Large-scale scene mapping and localization based on multi-sensor fusion |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant |