[發(fā)明專利]基于圖像特征匹配的多智能體協(xié)同定位方法、系統(tǒng)及設(shè)備

在審

• 申請?zhí)枺?/td>: 202211059827.0
• 申請日: 2022-08-29
• 公開（公告）號: CN115327533A
• 公開（公告）日: 2022-11-11
• 發(fā)明（設(shè)計）人: 翟超;雷雄
• 申請（專利權(quán)）人: 中國地質(zhì)大學(xué)（武漢）
• 主分類號: G01S13/86
• 分類號: G01S13/86;G01S19/42;G06N3/00;G06V10/44;G06V10/75
• 代理公司: 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司 42238
• 代理人: 魏波

1.一種基于圖像特征匹配的多智能體協(xié)同定位方法，所述智能體均配置有相機；

其特征在于，包括以下步驟：

步驟1：智能體通過配置的相機獲取圖像；

步驟2：基站獲取網(wǎng)絡(luò)中各個智能體的圖像，并對其進行分析，獲得相機視野重疊率大于閾值的兩個智能體；

步驟3：基站對步驟2中獲得的兩個智能體獲取的圖像進行特征提取與匹配，獲得相鄰智能體之間的相對位姿；

步驟4：根據(jù)相鄰智能體之間的相對位姿，進行智能體間協(xié)同定位。

2.根據(jù)權(quán)利要求1所述的基于圖像特征匹配的多智能體協(xié)同定位方法，其特征在于：步驟3中，智能體A到智能體B的變換為x_b＝Rx_a+t；其中，R為旋轉(zhuǎn)矩陣，t為平移向量，x_a、x_b分別表示智能體A、智能體B的位置坐標(biāo)；

引入齊次坐標(biāo)和變換矩陣，對智能體A、智能體B之間的變換進行重寫：

式(1)中T_AB表示變換矩陣；

不相鄰的兩個智能體A和C之間的變換通過式(2)推導(dǎo)出：

式(2)中T_BC、T_AC表示變換矩陣；

從相鄰兩個智能體的相機拍攝的圖像中提取特征點，得到n對3D特征點對，分別表示為集合P＝{p₁,L,p_n}和P′＝{p′₁,L,p′_n}；

定義權(quán)重函數(shù)φ(p_i)∈[0,1)來表示特征點p_i在圖像中的重要性的正權(quán)重，將特征點p_i及其重要性寫成函數(shù)f_i(p,φ)，并分別將兩個集合中的點簡寫為f_i和f′_i；

需要找到一個歐氏變換，其中R和t滿足：

構(gòu)建最小二乘問題，求解使得誤差平方和最小的歐氏變換：

定義兩組點的質(zhì)心為對式(4)的誤差函數(shù)進行變形：

求解歐氏變換以獲得使得誤差項最小的旋轉(zhuǎn)矩陣R和平移向量t，分別記為R^*和t^*；具體包括以下步驟：

(1)計算兩組點的質(zhì)心位置p和p′，計算每個點的去質(zhì)心坐標(biāo)：q_i＝f_i-p，q′_i＝f′_i-p′；

(2)計算使誤差項最小的旋轉(zhuǎn)矩陣

(3)將旋轉(zhuǎn)矩陣代入，計算誤差項最小的平移向量：t^*＝p-Rp′；

因此，展開關(guān)于旋轉(zhuǎn)矩陣的誤差項：

由于旋轉(zhuǎn)矩陣R是正交矩陣，所以R^TR＝I，誤差項只有第三項與旋轉(zhuǎn)矩陣有關(guān)，則目標(biāo)函數(shù)化簡為：

定義一個三維矩陣并對其進行SDV分解得到W＝UΣV^T，其中Σ為奇異值組成的對角矩陣，對角線元素依次減小，矩陣U和V均為正交矩陣；則目標(biāo)函數(shù)(5)變成：tr(RW)＝tr(RUΣV^T)＝tr(ΣV^TRU)，其中R、U、V均為正交矩陣，則M＝V^TRU也是正交矩陣，其行、列向量均為正交的單位向量；M的列向量m_j均有|m_ij|≤1，則有：

不等式(6)中等號成立，即取得最大值的條件為m_ii＝1，由于M為正交矩陣，因此M為單位矩陣，則當(dāng)矩陣W滿秩時，求得旋轉(zhuǎn)矩陣為：R＝VU^T；最后根據(jù)求解歐式變換的步驟(3)求得平移向量t。

3.根據(jù)權(quán)利要求2所述的基于圖像特征匹配的多智能體協(xié)同定位方法，其特征在于：通過對智能體搭載的相機拍攝的圖像數(shù)據(jù)進行分析與計算得到與其“鄰居”的相對位姿，通過式(2)可獲得各個智能體節(jié)點的位姿，從而實現(xiàn)定位。