一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于GPS和双目视觉定位系统的自适应图优化方法


[0001]本申请涉及定位
，尤其涉及一种基于
GPS
和双目视觉定位系统的自适应图优化方法
。

技术介绍

[0002]随着定位技术的发展，定位和导航领域正经历着快速变革
。
不断涌现的新技术和创新应用不仅改善了现有定位方法的精度和可靠性，还为全新的应用场景带来了前所未有的可能性
。
在室外环境中，
GPS
被广泛用于实现高精度的位置定位
。
然而，在室内环境中，
GPS
的定位精度会受到建筑物和其他物体的阻挡，信号多径效应等因素的影响，从而导致定位不稳定或不准确
。
为了在室内环境中实现精确的定位，双目视觉定位系统是一种常用的选择
。
因此，将
GPS
在室外环境中的高精度定位与双目视觉定位系统在室内环境中的定位能力结合起来，可以实现在不同环境下的连续和精确定位
。
[0003]然而，许多现有的误差优化方法往往没有充分考虑到不同环境和应用需求可能带来的变化
。
在
GPS
和双目视觉定位系统中，不同环境
(
室内与室外
)
以及应用场景的多样性，都可能导致传感器测量误差的变化，从而影响到定位的准确性和稳定性
。

技术实现思路

[0004]鉴于以上技术问题中的至少一项，为了实现在
GPS
和双目视觉定位系统下的精确定位，本申请提供了一种基于
GPS
和双目视觉定位系统的自适应图优化方法
。
[0005]本专利技术采用的技术方案为：
[0006]第一方面，本专利技术提供一种基于
GPS
和双目视觉定位系统的自适应图优化方法，包括：
[0007]步骤1，基于
GPS
和双目视觉定位系统，获得
GPS
残差项；其中所述
GPS
残差项包括多个
GPS
残差值；
[0008]步骤2，设定优化残差函数的调谐参数初始值；
[0009]然后循环执行步骤3至步骤7：
[0010]步骤3，利用设定长度
N
的滑动窗口存储
GPS
残差项中的
GPS
残差值，使用卡方分布计算存储的
N
个
GPS
残差值的权重；
[0011]步骤4，根据存储的
N
个
GPS
残差值的权重求得干扰参数；
[0012]步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数；
[0013]步骤6，基于求得的最优调谐参数，以调谐参数上下限为约束，更新调谐参数；
[0014]步骤7，将更新后的调谐参数带入
GPS
和双目视觉定位系统实现自适应调整
。
[0015]在一些实施例中，步骤1，基于
GPS
和双目视觉定位系统，获得
GPS
残差项，包括：
[0016]基于
GPS
和双目视觉定位系统的传感器，获取
GPS
定位数据和双目视觉数据；
[0017]将双目视觉数据转换到
GPS
坐标系中，得到转换后的双目视觉数据；
[0018]将
GPS
定位数据和转换后的双目视觉数据进行融合后减去
GPS
观测值，获得
GPS
残
差项
。
[0019]在一些实施例中，步骤2中，所述优化残差函数使用
Huber
损失函数，用于降低异常值对优化过程的影响；其中优化残差函数
ρ
(
ζ
i
)
表示为：
[0020][0021]其中
ζ
i
为第
i
时刻的
GPS
残差值；在干扰参数未知的情况下，调谐参数
γ
的选择通常由模型分布的期望方差决定
。
[0022]在一些实施例中，调谐参数
γ
初始值为
1.345。
[0023]在一些实施例中，步骤3，利用设定长度
N
的滑动窗口存储
GPS
残差项中的
GPS
残差值，使用卡方分布计算存储的
N
个
GPS
残差值的权重，包括：
[0024]用一个设定长度
N
的滑动窗口存储
GPS
残差值，每次向窗口中添加一个新的
GPS
残差值，需要移除最早的
GPS
残差值来保证窗口大小为
N
；
[0025]使用卡方分布计算存储的每个
GPS
残差值的权重
ω
i
：
[0026][0027]其中表示卡方分布的临界值，
n
是自由度，
α
是显著性水平，
ζ
i
表示第
i
时刻的
GPS
残差值；
[0028]对于每个
GPS
残差值，计算值，将计算得到的值与1进行比较，取其中的较小值
。
[0029]在一些实施例中，滑动窗口的长度大小
N
为
25。
[0030]在一些实施例中，步骤4，根据存储的
N
个
GPS
残差值的权重
ω
i
求得干扰参数
∈
，包括：
[0031][0032]其中
N
代表滑动窗口的长度大小
。
[0033]在一些实施例中，步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数
γ
＊
，包括：
[0034][0035]式中
∈
为干扰参数，当异常值的数量逐渐增加并开始影响数据整体分布时，优化残差函数能够在一定程度上保持其鲁棒性；优化残差函数在高斯分布的
∈
邻域内具有渐近最优鲁棒性；
[0036]测量误差遵循高斯分布的密度函数
f(
ψ
)
表示为：
[0037][0038]其中
g(
ψ
)
为未知扰动密度函数；
[0039]优化残差函数在高斯分布的
∈
邻域内最大渐近估计方差最小；这种形式的估计量是渐近正态的
。
[0040]在一些实施例中，步骤6中，调谐参数
γ
上下限为
1.0≤
γ
≤2.0。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
GPS
和双目视觉定位系统的自适应图优化方法，其特征在于，所述方法包括：步骤1，基于
GPS
和双目视觉定位系统，获得
GPS
残差项；其中所述
GPS
残差项包括多个
GPS
残差值；步骤2，设定优化残差函数的调谐参数初始值；然后循环执行步骤3至步骤7：步骤3，利用设定长度
N
的滑动窗口存储
GPS
残差项中的
GPS
残差值，使用卡方分布计算存储的
N
个
GPS
残差值的权重；步骤4，根据存储的
N
个
GPS
残差值的权重求得干扰参数；步骤5，利用隐式方程，根据干扰参数求得优化残差函数的最优调谐参数；步骤6，基于求得的最优调谐参数，以调谐参数上下限为约束，更新调谐参数；步骤7，将更新后的调谐参数带入
GPS
和双目视觉定位系统实现自适应调整
。2.
根据权利要求1所述的基于
GPS
和双目视觉定位系统的自适应图优化方法，其特征在于，步骤1，基于
GPS
和双目视觉定位系统，获得
GPS
残差项，包括：基于
GPS
和双目视觉定位系统的传感器，获取
GPS
定位数据和双目视觉数据；将双目视觉数据转换到
GPS
坐标系中，得到转换后的双目视觉数据；将
GPS
定位数据和转换后的双目视觉数据进行融合后减去
GPS
观测值，获得
GPS
残差项
。3.
根据权利要求1所述的基于
GPS
和双目视觉定位系统的自适应图优化方法，其特征在于，步骤2中，所述优化残差函数使用
Huber
损失函数，用于降低异常值对优化过程的影响；其中优化残差函数
ρ
(
ζ
i
)
表示为：其中
ζ
i
为第
i
时刻的
GPS
残差值；在干扰参数未知的情况下，调谐参数
γ
的选择通常由模型分布的期望方差决定
。4.
根据权利要求1或3所述的基于
GPS
和双目视觉定位系统的自适应图优化方法，其特征在于，调谐参数
γ
初始值为
1.345。5.
根据权利要求1所述的基于
GPS
和双目视觉定位系统的自适应图优化方法，其特征在于，步骤3，利用设定长度
N
的滑动窗口存储
GPS
残差项中的
GPS
残差值，...

【专利技术属性】
技术研发人员：陆音，王卫鉴，马子贤，范跃瀚，熊骏，黄一凡，阿布都赛米，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：