位姿确定方法及相关装置、电子设备和存储介质制造方法及图纸

本申请公开了一种位姿确定方法及相关装置、电子设备和存储介质，位姿确定方法包括：基于惯性测量单元的状态量，构建卡尔曼滤波方程，并基于误差状态量，矫正惯性测量单元的状态量，得到惯性测量单元的目标状态量；基于目标状态量和点云采集器的点云数据之间的融合结果，确定是否更新里程计的位姿状态；响应于确定更新里程计的位姿状态，对卡尔曼滤波方程中第一观测量进行调整，得到新的卡尔曼滤波方程；基于新的卡尔曼滤波方程，预测得到新的误差状态量，并重新执行基于误差状态量，矫正惯性测量单元的状态量的步骤以及后续步骤，直至确定无需更新位姿状态为止，将最新位姿状态，作为里程计的目标位姿。上述方案，能够提高位姿状态的准确性。姿状态的准确性。姿状态的准确性。

【技术实现步骤摘要】
位姿确定方法及相关装置、电子设备和存储介质


[0001]本申请涉及数据处理
，特别是涉及一种位姿确定方法及相关装置、电子设备和存储介质。

技术介绍

[0002]近年来，激光
‑
惯导里程计(LiDAR
‑
Inertial Odometry，LIO)发展迅速，具体可以分为图优化方法和基于卡尔曼滤波器的方法。
[0003]目前，一般根据IMU(Inertial Measurement Unit，惯性测量单元)、RTK(Real
‑
time kinematic，载波相位差分技术)等传感器获取实时的加速度、角速度以及位置等信息，并构建卡尔曼滤波模型，对下一时刻的位置关系进行预测，再通过精确的点云匹配矫正预测值，同时更新卡尔曼增益方程，并输出实时的匹配结果叠加到上一时刻的位姿。但是，随着时间的累计，位姿叠加的轨迹越来越长，由于IMU测量值的随机误差会随时间不断增大，以及RTK的定位结果会因为遮挡等因素导致精度降低，使得点云匹配失效或者匹配失败，系统无法更新卡尔曼增益方程，最终导致预测位姿更新不准确。有鉴于此，如何提高位姿状态的准确性成为亟待解决的问题。

技术实现思路

[0004]本申请主要解决的技术问题是提供一种位姿确定方法及相关装置、电子设备和存储介质，能够提高位姿状态的准确性。
[0005]为了解决上述技术问题，本申请第一方面提供了一种位姿确定方法，包括：基于惯性测量单元的状态量，构建卡尔曼滤波方程，并基于误差状态量，矫正惯性测量单元的状态量，得到惯性测量单元的目标状态量；其中，误差状态量基于卡尔曼滤波方程预测得到；并基于目标状态量和点云采集器的点云数据之间的融合结果，确定是否更新里程计的位姿状态；响应于确定更新里程计的位姿状态，对卡尔曼滤波方程中第一观测量进行调整，得到新的卡尔曼滤波方程；其中，第一观测量表征卡尔曼滤波方程中惯性测量单元对应的观测量；在此基础上，再基于新的卡尔曼滤波方程，预测得到新的误差状态量，并重新执行基于误差状态量，矫正惯性测量单元的状态量的步骤以及后续步骤，直至确定无需更新位姿状态为止，将最新位姿状态，作为里程计的目标位姿。
[0006]为了解决上述技术问题，本申请第二方面提供了一种位姿确定装置，包括构建模块、更新模块、调整模块和预测模块；其中，构建模块用于基于惯性测量单元的状态量，构建卡尔曼滤波方程，并基于误差状态量，矫正惯性测量单元的状态量，得到惯性测量单元的目标状态量；其中，误差状态量基于卡尔曼滤波方程预测得到；更新模块用于基于目标状态量和点云采集器的点云数据之间的融合结果，确定是否更新里程计的位姿状态；调整模块用于响应于确定更新里程计的位姿状态，对卡尔曼滤波方程中第一观测量进行调整，得到新的卡尔曼滤波方程；其中，第一观测量表征卡尔曼滤波方程中惯性测量单元对应的观测量；预测模块用于基于新的卡尔曼滤波方程，预测得到新的误差状态量，并重新执行基于误差
状态量，矫正惯性测量单元的状态量的步骤以及后续步骤，直至确定无需更新位姿状态为止，将最新位姿状态，作为里程计的目标位姿。
[0007]为了解决上述技术问题，本申请第三方面提供了一种电子设备，包括相互耦接的存储器和处理器，存储器中存储有程序指令，处理器用于执行程序指令以实现上述第一方面中的位姿确定方法。
[0008]为了解决上述技术问题，本申请第四方面提供了一种计算机可读存储介质，存储有能够被处理器运行的程序指令，程序指令用于实现上述第一方面中的位姿确定方法。
[0009]上述方案，通过基于惯性测量单元的状态量，构建卡尔曼滤波方程，并基于误差状态量，矫正惯性测量单元的状态量，得到惯性测量单元的目标状态量，且误差状态量基于卡尔曼滤波方程预测得到；并基于目标状态量和点云采集器的点云数据之间的融合结果，确定是否更新里程计的位姿状态；响应于确定更新里程计的位姿状态，对卡尔曼滤波方程中第一观测量进行调整，得到新的卡尔曼滤波方程，第一观测量表征卡尔曼滤波方程中惯性测量单元对应的观测量；在此基础上，再基于新的卡尔曼滤波方程，预测得到新的误差状态量，并重新执行基于误差状态量，矫正惯性测量单元的状态量的步骤以及后续步骤，直至确定无需更新位姿状态为止，将最新位姿状态，作为里程计的目标位姿，一方面通过基于误差状态量，矫正惯性测量单元的状态量，得到惯性测量单元的目标状态量，有助于提高惯性测量单元的目标状态量的准确性，另一方面通过基于目标状态量和点云采集器的点云数据之间的融合结果，确定是否更新里程计的位姿状态，并响应于确定更新里程计的位姿状态，对卡尔曼滤波方程中第一观测量进行调整，得到新的卡尔曼滤波方程，进而可以不断更新得到新的卡尔曼滤波方程，在此基础上，基于新的卡尔曼滤波方程，预测得到新的误差状态量，并重新执行基于误差状态量，矫正惯性测量单元的状态量的步骤以及后续步骤，直至确定无需更新位姿状态为止，将最新位姿状态，作为里程计的目标位姿，有助于通过重复循环减少误差。故此，能够提高位姿状态的准确性。
[0010]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
附图说明
[0011]此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。
[0012]图1是本申请位姿确定方法一实施例的流程示意图；
[0013]图2是本申请位姿确定方法另一实施例的流程示意图；
[0014]图3是本申请位姿确定装置一实施例的框架示意图；
[0015]图4是本申请电子设备一实施例的框架示意图；
[0016]图5是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
[0017]下面结合说明书附图，对本申请实施例的方案进行详细说明。
[0018]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本申请。
[0019]本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。“若干”表示至少一个。本文的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0020]请参阅图1，图1是本申请位姿确定方法一实施例的流程示意图。
[0021]具体而言，可以包括如下步骤：
[0022]步骤S11：基于惯性测量单元的状态量，构建卡尔曼滤波方程，并基于误差状态量，矫正惯性测量单元的状态量，得到惯性测量单元的目标状态量本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种位姿确定方法，其特征在于，包括：基于惯性测量单元的状态量，构建卡尔曼滤波方程，并基于误差状态量，矫正所述惯性测量单元的状态量，得到所述惯性测量单元的目标状态量；其中，所述误差状态量基于所述卡尔曼滤波方程预测得到；基于所述目标状态量和点云采集器的点云数据之间的融合结果，确定是否更新里程计的位姿状态；响应于确定更新所述里程计的位姿状态，对所述卡尔曼滤波方程中第一观测量进行调整，得到新的卡尔曼滤波方程；其中，所述第一观测量表征所述卡尔曼滤波方程中所述惯性测量单元对应的观测量；基于所述新的卡尔曼滤波方程，预测得到新的误差状态量，并重新执行所述基于误差状态量，矫正所述惯性测量单元的状态量的步骤以及后续步骤，直至确定无需更新所述位姿状态为止，将最新所述位姿状态，作为所述里程计的目标位姿。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标状态量和点云采集器的点云数据之间的融合结果，确定是否更新里程计的位姿状态，包括：基于所述目标状态量对所述点云数据进行运动补偿，得到目标点云数据；基于所述目标点云数据，得到第一拼接地图；对所述第一拼接地图和最新的点云数据进行匹配，确定是否更新里程计位姿状态。3.根据权利要求2所述的方法，其特征在于，所述基于所述目标点云数据，得到第一拼接地图，包括：判断滑动窗口是否被填满；响应于所述滑动窗口已被填满，丢弃所述滑动窗口底部的历史目标点云数据，并对第二拼接地图进行更新，得到所述第一拼接地图；其中，所述第二拼接地图基于更新前的滑动窗口内所述历史目标点云数据拼接得到；响应于所述滑动窗口未被填满，对所述第二拼接地图进行更新，得到所述第一拼接地图。4.根据权利要求2所述的方法，其特征在于，所述对所述第一拼接地图和最新的点云数据进行匹配，确定是否更新里程计位姿状态，包括：对所述第一拼接地图和最新的点云数据进行匹配，得到匹配结果；基于所述匹配结果是否收敛，确定是否更新所述里程计的位姿状态。5.根据权利要求1所述的方法，其特征在于，在所述基于所述新的卡尔曼滤波方程，预测得到新的误差状态量之前，所述方法还包括：获取定位设备的定位数据；基于所述定位数据，对最新的所述卡尔曼滤波方程中的第二观测...

【专利技术属性】
技术研发人员：何云翔，
申请(专利权)人：浙江零跑科技股份有限公司，
类型：发明
国别省市：