一种室内姿态估计方法及装置制造方法及图纸

本申请涉及姿态估计技术领域，尤其涉及一种室内姿态估计方法及装置。该室内姿态估计方法应用于载体，所述载体包括深度相机，所述室内姿态估计方法包括：通过所述深度相机获取目标场景的目标深度图像；分割所述目标深度图像为多个子图像，计算每个子图像的单位法向量；提取所述单位法向量并与曼哈顿世界的法向量匹配，估计所述深度相机相对于曼哈顿世界的绝对姿态。本申请实施例由于不对绝对姿态的分布形式做假设，从而更具鲁棒性，此外，相比于参数估计类方法可以减少计算复杂度，节约了算力。节约了算力。节约了算力。

【技术实现步骤摘要】
一种室内姿态估计方法及装置


[0001]本申请涉及姿态估计
，尤其涉及一种室内姿态估计方法及装置。

技术介绍

[0002]姿态估计是移动机器人、虚拟现实和移动智能设备等应用的智能基础，其通过输入的载体传感器数据，估计出载体相对于一个参考坐标系的朝向。
[0003]一般来说，姿态估计系统需要两种主要类型的传感器：第一种是高速角速率传感器，即陀螺仪，其可以测量载体的即时角速度；第二种是参考向量传感器，其可以测量参考坐标系的一组已知方向向量。由于直接对角速度进行积分来估计姿态会因测量噪音的存在而造成累积误差，而为了减少累积误差，需要将这些角速度信息与参考向量传感器的绝对姿态读数相融合。
[0004]随着微机电系统(Micro
‑
Electro
‑
Mechanical System，MEMS)技术的进步，基于MEMS的惯性测量单元(Inertial Measurement Unit，IMU)已成为姿态测量最关键的传感器。现有的基于IMU的姿态估计技术称为姿态航向参考系统(Attitude and Heading Reference System，AHRS)，AHRS通常包含三轴陀螺仪、三轴加速度计以及三轴磁力计，AHRS通过加速度计和磁力计这两类参考向量传感器，估计出地球重力场和磁场参考方向，从而确定绝对姿态，进而与陀螺仪信息进行融合，纠正累积误差。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种室内姿态估计方法及装置，可以解决相关技术中的至少一个技术问题。
[0006]第一方面，本申请一实施例提供了一种室内姿态估计方法，应用于载体，所述载体包括深度相机，所述室内姿态估计方法包括：通过所述深度相机获取目标场景的目标深度图像；分割所述目标深度图像为多个子图像，计算每个子图像的单位法向量；提取所述单位法向量并与曼哈顿世界的法向量匹配，估计所述深度相机相对于曼哈顿世界的绝对姿态。
[0007]本实施例利用深度相机的测量信息，基于室内环境是一个曼哈顿世界的假设，估计出深度相机相对于曼哈顿世界的绝对姿态，由于不对绝对姿态的分布形式做假设，从而更具鲁棒性，此外，相比于参数估计类方法可以减少计算复杂度，节约了算力。
[0008]第二方面，本申请一实施例提供了一种室内姿态估计装置，配置于载体，所述载体包括深度相机，所述室内姿态估计装置包括：深度图像获取执行模块，用于通过所述深度相机获取目标场景的目标深度图像；分割和计算模块，用于分割所述目标深度图像为多个子图像，计算每个子图像的单位法向量；估计模块，用于提取所述单位法向量并与曼哈顿世界的法向量匹配，估计所述深度相机相对于曼哈顿世界的绝对姿态。
[0009]第三方面，本申请一实施例提供一种载体，包括：深度相机、处理器以及存储在存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一实施例所述的室内姿态估计方法。
等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0026]目前，考虑到室内环境通常存在较多的电磁干扰，AHRS需要提前进行繁杂的电磁场标定，且电磁场可能随时时间变化，导致AHRS姿态估计存在较大系统误差。另外，载体高动态运动场景会限制AHRS的应用，因为其会带来除重力外的额外加速度，影响对重力方向的估计。
[0027]为了解决室内环境中姿态估计精度受限的问题，本申请实施例引入深度相机，将深度相机和陀螺仪相融合，以保证姿态估计的鲁棒性和准确性。
[0028]在本申请一些实施例中，与加速度计和磁力计类似，深度相机同样作为参考矢量传感器。利用深度相机的测量信息，基于室内环境是一个曼哈顿世界的假设，估计出曼哈顿世界的绝对方向，作为载体的绝对姿态，即深度相机相对于曼哈顿世界的绝对姿态。
[0029]在本申请一些实施例中，还可以用绝对姿态来校正陀螺仪的累积误差，能够使得载体姿态估计的结果更加准确和更具鲁棒性。
[0030]在本申请一些实施例中，本申请实施例可以是例如AR/VR、手持式扫描仪等应用领域，这些应用领域需要获取载体的姿态信息，采用本申请实施例提供的技术方案可以解决这个技术问题。
[0031]为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
[0032]本申请实施例提供一种室内姿态估计方法，室内姿态估计方法可由处理器执行，处理器通常情形下配置于载体，室内姿态估计方法适用于需要在室内估计载体的姿态信息的情形。载体包括但不限于：包括处理器的计算装置、或包括处理器的电子设备等。处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field
‑
Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。电子设备包括但不限于计算机、平板电脑、服务器、手机、相机或可穿戴设备等。
[0033]本申请一实施例提供一种载体，载体可以包括但不限于处理器和深度相机，深度相机连接处理器。本申请一实施例提供一种载体，载体可以包括但不限于处理器、深度相机和陀螺仪，深度相机和陀螺仪均连接处理器。
[0034]在一个可能的实现方式中，处理器可以为单片机，深度相机和陀螺仪都集成在单片机上。在另一个可能的实现方式中，载体为电子设备，电子设备包括壳体，处理器、深度相机和陀螺仪都设置于电子设备的壳体内，需要指出的是，壳体上对应深度相机的位置设置有供深度相机采集环境深度图像的拍摄窗口。
[0035]图1所示为本申请一实施例提供的一种载体的结构示意图，如图1所示，载体1可以包括一个或多个处理器10(图1中仅示出一个)，存储器11以及存储在存储器11中并可在一个或多个处理器10上运行的计算机程序12，例如，室内姿态估计的程序，深度相机12和陀螺仪13。一个或多个处理器10执行计算机程序12时可以实现室内姿态估计方法实施例中的各个步骤。或者，一个或多个处理器10执行计算机程序12时可以实现室内姿态估计装置实施例中各模块/单元的功能，此处不作限制。
[0036]本领域技术人员可以理解，图1仅仅是载体的示例，并不构成对载体的限定。载体
可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如载体还可以包括输入输出设备、网络接入设备、总线等。
[0037]在一个实施例中，存储器11可以是载体的内部存储单元，例如载体的硬盘或内存。存储器11也可以是载体的外部存储设备，例如载体上配备的插接式硬盘，智能存储卡(smart media card，SMC)，安全数字(secure digital本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种室内姿态估计方法，其特征在于，应用于载体，所述载体包括深度相机，所述室内姿态估计方法包括：通过所述深度相机获取目标场景的目标深度图像；分割所述目标深度图像为多个子图像，计算每个子图像的单位法向量；提取所述单位法向量并与曼哈顿世界的法向量匹配，估计所述深度相机相对于曼哈顿世界的绝对姿态。2.如权利要求1所述的室内姿态估计方法，其特征在于，所述载体还包括陀螺仪，所述室内姿态估计方法还包括：通过所述陀螺仪获取实时角速度测量值；根据所述实时角速度测量值计算载体的姿态和陀螺仪零漂；根据所述绝对姿态，对所述载体的姿态和陀螺仪零漂进行校正，得到校正后的载体姿态和陀螺仪零漂。3.如权利要求1或2所述的室内姿态估计方法，其特征在于，所述提取所述单位法向量并与曼哈顿世界的法向量匹配，估计所述深度相机相对于曼哈顿世界的绝对姿态，包括：采用均值漂移算法对所述单位法向量进行聚类，搜索出法向量模态；根据所述法向量模态，利用奇异值分解算法估计所述深度相机相对于曼哈顿世界的绝对姿态。4.如权利要求3所述的室内姿态估计方法，其特征在于，所述采用均值漂移算法对所述单位法向量进行聚类，搜索出法向量模态，包括：对所述单位法向量进行聚类，确定待搜索法向量模态的法向量集合；将所述法向量集合中的单位法向量全部转化到所述待搜索法向量模态在以相机坐标原点为中心的单位球面处的切面坐标系中，计算所述法向量集合中的单位法向量在所述切面坐标系中的归一化二维坐标；根据所述归一化二维坐标计算均值漂移向量，将所述均值漂移向量转换到所述单位球面上，得到更新后的法向量模态。5.如权利要求4所述的室内姿态估计方法，其特征在于，所述对所述单位法向量进行聚类，确定待搜索法向量模态的法向量集合，包括：随机选择三个待搜索法向量模态；对每个所述待搜索法向量模态分别进行搜索，找出所述单位法向量中在每个所述待搜索法向量模态附近的法向...

【专利技术属性】
技术研发人员：石钦，肖振中，闫敏，
申请(专利权)人：奥比中光科技集团股份有限公司，
类型：发明
国别省市：