[發明專利]自主移動機器人視覺SLAM的不變性中心差分濾波器方法有效
| 申請號： | 201910879673.1 | 申請日： | 2019-09-18 |
| 公開（公告）號： | CN110610513B | 公開（公告）日： | 2022-02-08 |
| 發明（設計）人： | 吳艷敏;丁國強;田英楠;婁泰山;張鐸;方潔 | 申請（專利權）人： | 鄭州輕工業學院 |
| 主分類號： | G06T7/277 | 分類號： | G06T7/277 |
| 代理公司： | 鄭州優盾知識產權代理有限公司 41125 | 代理人： | 栗改 |
| 地址： | 450002 *** | 國省代碼： | 河南;41 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 自主 移動 機器人 視覺 slam 不變性 中心 濾波器 方法 | ||
1.一種自主移動機器人視覺SLAM的不變性中心差分濾波器方法，其特征在于，設計了一種面向矩陣李群空間和不變性Kalman濾波器的中心差分濾波器計算方法，濾波器狀態變量由SE(3)李群向量表示的機器人位姿、速度和3D路標位置向量及加速度計與陀螺儀偏差向量組成，在矩陣李群空間中設計CDKF濾波器的Sigma采樣點均值及其誤差量，利用單目視覺相機構造運動圖像特征點的相機觀測模型，設計CDKF濾波器的預測與更新迭代計算，開展機器人定位與地圖構建計算任務，其步驟如下：
步驟一：根據自主移動機器人配置的IMU測量組件建立VSLAM系統的狀態方程，利用相機觀測固定路標的觀測量構建VSLAM系統的觀測方程；
步驟二：基于矩陣李群李代數理論，對自主移動機器人三維位置、姿態和速度向量、固定路標位置向量做出矩陣李群變量設計，聯合機器人配置的IMU測量組件中的陀螺儀和加速度計偏差向量組成VSLAM系統的混合狀態空間變量；
步驟三：根據VSLAM系統狀態方程，假設已知第n-1時刻的系統混合變量的估計數據，把系統狀態變量和系統噪聲變量擴展為狀態變量方差矩陣，并計算其平方根；對陀螺儀和加速度計輸入變量做出無偏修正計算，計算VSLAM系統混合狀態空間變量的預測均值；
步驟四：根據李群矩陣變量的預測值利用對數法則獲得李群矩陣變量的不確定誤差變量預測數據，利用QR分解計算方法開展VSLAM系統混合變量的預測方差矩陣平方根計算；
步驟五：將第n時刻的VSLAM系統混合變量的預測均值和第n時刻的觀測數據帶入相機觀測模型，獲得VSLAM系統的觀測更新均值；
步驟六：利用CDKF算法計算Kalman濾波器增益矩陣，根據第n時刻的觀測數據計算系統混合狀態變量的偏差修正數據，利用Baker-Campbell-Hausdorff公式對李群矩陣變量開展右乘計算及其一階近似獲得第n時刻的系統混合變量的最優估計數據。
2.根據權利要求1所述的自主移動機器人視覺SLAM的不變性中心差分濾波器方法，其特征在于，所述步驟一中VSLAM系統的狀態方程為：
{χn,bn}＝f(χn-1,un-bn-1,wn)，
且系統狀態變量的不確定誤差變量為：
獲得VSLAM系統的狀態變量n時刻的估計均值{χn bn}，系統狀態變量的不確定性偏差向量為
VSLAM系統的觀測方程為相機觀測p個路標位置向量的觀測方程為：
其中，{χn bn}為VSLAM系統狀態變量，χn是n時刻的李群變量，bn是陀螺儀和加速度計偏差變量，un是輸入變量，表示右乘噪聲項的李代數變量，和分別表示陀螺儀測量噪聲變量及其噪聲項，χn-1和bn-1分別表示n-1時刻的李群變量和測量噪聲變量，觀測向量Yn包含了p個路標位置的觀測，y1,αyp表示p個路標位置變量，T表示向量的轉置，hi(χn)表示由李群變量表示的觀測函數，觀測變量yn,i是由路標位置在圖像坐標系中的uv方向變量和深度變量以及觀測噪聲表示出來的，Pn為n時刻的方差矩陣；ξn為n時刻的誤差參量，觀測噪聲滿足分布，為第i個路標位置的觀測噪聲；噪聲變量wn滿足均值為0、方差為過程噪聲方差Qn的分布：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于鄭州輕工業學院，未經鄭州輕工業學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910879673.1/1.html，轉載請聲明來源鉆瓜專利網。
