运动数据处理方法、装置、终端设备以及存储介质制造方法及图纸

本发明专利技术公开了一种运动数据处理方法、装置、终端设备以及存储介质，所述运动数据处理方法应用于SLAM系统，通过获取目标视觉与惯性数据及对应的残差因子；根据所述残差因子求解所述目标视觉与惯性数据的状态变量，并计算所述残差因子对所述状态变量的雅克比矩阵；基于预设协方差公式根据所述雅克比矩阵计算近似海塞矩阵，并根据所述近似海塞矩阵计算得到所述SLAM系统中的位姿对应的协方差矩阵，根据获取的目标视觉与惯性数据及对应的残差因子确定状态变量，从而计算出对应的协方差矩阵，提供了一种基于优化的SLAM系统中求解协方差矩阵的方法，以用于表征SLAM系统中位姿的变化和波动情况，从而使得飞控系统更准确地利用位姿对飞行器进行控制。对飞行器进行控制。对飞行器进行控制。

【技术实现步骤摘要】
运动数据处理方法、装置、终端设备以及存储介质


[0001]本专利技术涉及运动控制领域，尤其涉及一种运动数据处理方法、装置、终端设备以及存储介质。

技术介绍

[0002]视觉惯性里程计(visual
‑
inertial odometry，VIO)是融合相机和惯性测量单元数据实现视觉SLAM(Simultaneous Localization and Mapping，即时定位与地图构建)的算法，可以实时求解包括飞行器在内的运动物体在任一时刻的位姿，但是一般情况下无法得到位姿对应的协方差。位姿的协方差可以表征系统求出来的位姿的波动范围、位姿的相关性、以及位姿的准确性等信息。所以协方差矩阵的作用主要是表征求出的位姿是否准确。因此，对于一个视觉惯性里程计来说，不仅要能够输出位姿，也要能输出位姿的协方差矩阵，由此才能使得飞控系统更准确地利用位姿对飞行器进行控制。
[0003]目前视觉SLAM主要分为基于滤波的方法和基于优化的方法，其中，基于滤波的方法很容易得到位姿的协方差矩阵。然而，对于基于优化的方法难以实现对位姿协方差的求解。
[0004]因此，有必要提出一种在基于优化的SLAM系统中求解协方差矩阵的解决方案。
[0005]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0006]本专利技术的主要目的在于提供一种运动数据处理方法、装置、终端设备以及存储介质，旨在提供一种在基于优化的SLAM系统中求解协方差矩阵的方案。
>[0007]为实现上述目的，本专利技术提供一种运动数据处理方法，所述运动数据处理方法应用于SLAM系统，所述运动数据处理方法包括：
[0008]获取目标视觉与惯性数据及对应的残差因子；
[0009]根据所述残差因子求解所述目标视觉与惯性数据的状态变量，并计算所述残差因子对所述状态变量的雅克比矩阵；
[0010]基于预设协方差公式根据所述雅克比矩阵计算近似海塞矩阵，并根据所述近似海塞矩阵计算得到所述SLAM系统中的位姿对应的协方差矩阵。
[0011]可选地，所述根据所述近似海塞矩阵计算得到对应的协方差矩阵的步骤之后还包括：
[0012]对所述协方差矩阵进行假设检验。
[0013]可选地，所述获取目标视觉与惯性数据及对应的残差因子的步骤之前还包括：
[0014]获取预先采集的原始视觉与惯性数据；
[0015]对所述原始视觉与惯性数据进行预处理，得到预处理结果；
[0016]对所述预处理结果进行初始化，得到所述目标视觉与惯性数据及对应的残差因
子。
[0017]可选地，所述基于预设协方差公式根据所述雅克比矩阵计算近似海塞矩阵，并根据所述近似海塞矩阵计算得到所述SLAM系统中的位姿对应的协方差矩阵的步骤之前还包括：
[0018]通过推导得到所述预设协方差公式，具体包括：
[0019]基于状态变量的迭代方程确定单个残差因子对状态变量的雅克比矩阵；
[0020]根据所述单个残差因子对状态变量的雅克比矩阵确定增量方程；
[0021]根据所述增量方程确定增量公式及系统的残差公式；
[0022]基于所述增量公式及系统的残差公式得到所述预设协方差公式。
[0023]可选地，所述对所述协方差矩阵进行假设检验的步骤包括：
[0024]基于预设的卡方分布统计量对所述协方差矩阵进行检验，判断是否检验通过；
[0025]若检验通过，则输出第一预设值；
[0026]若检验未通过，则输出第二预设值。
[0027]可选地，所基于预设的卡方分布统计量对所述协方差矩阵进行检验的步骤之前还包括：
[0028]基于所述预设协方差公式构建卡方统计量；
[0029]基于卡方分布的定义对所述卡方统计量进行变换，得到变换后的卡方统计量；
[0030]对所述预设协方差公式进行特征值分解，得到分解结果；
[0031]根据所述分解结果及所述变换后的卡方统计量得到所述卡方分布统计量。
[0032]可选地，所述原始视觉与惯性数据包括图像帧数据及惯性测量数据，所述对所述原始视觉与惯性数据进行预处理，得到预处理结果的步骤包括：
[0033]对所述图像帧数据进行图像提取及特征点跟踪，得到图像预处理数据；
[0034]对所述惯性测量数据进行预积分，得到惯性预处理数据；
[0035]将所述图像预处理数据及惯性预处理数据作为所述预处理结果。
[0036]此外，为实现上述目的，本专利技术还提供一种运动数据处理装置，所述运动数据处理装置包括：
[0037]获取模块，用于获取目标视觉与惯性数据及对应的残差因子；
[0038]求解模块，用于根据所述残差因子求解所述目标视觉与惯性数据的状态变量，并计算所述残差因子对所述状态变量的雅克比矩阵；
[0039]计算模块，用于基于预设协方差公式根据所述雅克比矩阵计算近似海塞矩阵，并根据所述近似海塞矩阵计算得到所述SLAM系统中的位姿对应的协方差矩阵。
[0040]此外，为实现上述目的，本专利技术还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的运动数据处理程序，所述运动数据处理程序被所述处理器执行时实现如上所述的运动数据处理方法的步骤。
[0041]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有运动数据处理程序，所述运动数据处理程序被处理器执行时实现如上所述的运动数据处理方法的步骤。
[0042]本专利技术实施例提出的一种运动数据处理方法、装置、终端设备以及存储介质，所述运动数据处理方法应用于SLAM系统，通过获取目标视觉与惯性数据及对应的残差因子；根
据所述残差因子求解所述目标视觉与惯性数据的状态变量，并计算所述残差因子对所述状态变量的雅克比矩阵；基于预设协方差公式根据所述雅克比矩阵计算近似海塞矩阵，并根据所述近似海塞矩阵计算得到所述SLAM系统中的位姿对应的协方差矩阵，根据获取的目标视觉与惯性数据及对应的残差因子确定状态变量，从而计算出对应的协方差矩阵，提供了一种基于优化的SLAM系统中求解协方差矩阵的方法，以用于表征SLAM系统中位姿的变化和波动情况，从而使得飞控系统更准确地利用位姿对飞行器进行控制。
附图说明
[0043]图1为本专利技术运动数据处理装置所属终端设备的功能模块示意图；
[0044]图2为本专利技术运动数据处理方法一示例性实施例的流程示意图；
[0045]图3为本专利技术运动数据处理方法另一示例性实施例的流程示意图；
[0046]图4为本专利技术实施例中的VIO系统的整体原理示意图；
[0047]图5为本专利技术运动数据处理方法又一示例性实施例的流程示意图；
[0048]图6为本专利技术运动数据处理方法再一示例性实施例的流程示意图；
[0049]图7为本专利技术实施例中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动数据处理方法，其特征在于，所述运动数据处理方法应用于SLAM系统，所述运动数据处理方法包括以下步骤：获取目标视觉与惯性数据及对应的残差因子；根据所述残差因子求解所述目标视觉与惯性数据的状态变量，并计算所述残差因子对所述状态变量的雅克比矩阵；基于预设协方差公式根据所述雅克比矩阵计算近似海塞矩阵，并根据所述近似海塞矩阵计算得到所述SLAM系统中的位姿对应的协方差矩阵。2.如权利要求1所述的运动数据处理方法，其特征在于，所述根据所述近似海塞矩阵计算得到对应的协方差矩阵的步骤之后还包括：对所述协方差矩阵进行假设检验。3.如权利要求1所述的运动数据处理方法，其特征在于，所述获取目标视觉与惯性数据及对应的残差因子的步骤之前还包括：获取预先采集的原始视觉与惯性数据；对所述原始视觉与惯性数据进行预处理，得到预处理结果；对所述预处理结果进行初始化，得到所述目标视觉与惯性数据及对应的残差因子。4.如权利要求1所述的运动数据处理方法，其特征在于，所述基于预设协方差公式根据所述雅克比矩阵计算近似海塞矩阵，并根据所述近似海塞矩阵计算得到所述SLAM系统中的位姿对应的协方差矩阵的步骤之前还包括：通过推导得到所述预设协方差公式，具体包括：基于状态变量的迭代方程确定单个残差因子对状态变量的雅克比矩阵；根据所述单个残差因子对状态变量的雅克比矩阵确定增量方程；根据所述增量方程确定增量公式及系统的残差公式；基于所述增量公式及系统的残差公式得到所述预设协方差公式。5.如权利要求2所述的运动数据处理方法，其特征在于，所述对所述协方差矩阵进行假设检验的步骤包括：基于预设的卡方分布统计量对所述协方差矩阵进行检验，判断是否检验通过；若检验通过，则输出第一预设值；若检验未通过，则输出第二预设值。6.如权利要求5所述的运动...

【专利技术属性】
技术研发人员：董博，陶永康，彭登，傅志刚，
申请(专利权)人：广东汇天航空航天科技有限公司，
类型：发明
国别省市：