[发明专利]图优化方法、装置、电子设备及存储介质

说明书

本发明提出一种图优化方法、装置、电子设备及存储介质。其中方法包括：预先构建SLAM的待优化图，图的节点表示待求解的线性方程的待优化变量，边表示待优化变量的约束关系，节点包括第一节点和第二节点，分别表示三维点坐标和相机运动参数；将待优化图中的第一节点复制成两个以上第三节点，使第三节点中的任意一个与n个第二约束节点存在约束关系且在n个第二约束节点中有m个与相邻的第三节点存在相同的约束关系，第二约束节点与至少一个第三节点存在约束关系，n为预设的控制参数，第二约束节点是与第一节点存在约束关系的第二节点；边缘化第三节点以减小待求解的线性方程的稠密程度。本发明实施例提升了优化效率，降低了计算功耗和硬件成本。

技术领域

本发明涉及信息技术领域，尤其涉及一种图优化方法、装置、电子设备及计算机可读存储介质。

背景技术

移动机器人、无人车、无人机等是目前科学技术发展最为活跃的领域之一，有着广泛的应用前景。以移动机器人为例，其应用中的一个至关重要的环节是需要实时定位机器人在场景中的方位。目前主流的方案需要依靠激光雷达、差分GPS(Global PositioningSystem，全球定位系统)、高精度惯导系统等昂贵的硬件设备，或事先在场景中部署信号源或电磁轨道，才能实现精确定位和导航，极大限制了移动机器人的应用场景。SLAM(Simultaneous Localization and Mapping，同时定位与制图)技术能通过低成本的相机、IMU(Inertial Measurement Unit，惯性测量单元)等传感器，即可在未知环境中实现移动机器人的自身定位，从而突破上述方案在硬件成本、应用场景方面的局限。

在实际应用中，SLAM的定位精度和计算效率是最为重要的两项指标。现有的SLAM方法在精度和效率方面存在权衡。高精度的SLAM方案计算量大、功耗高，需要配备高性能计算设备，加大了硬件成本；高效的SLAM方案又往往需要牺牲定位精度，无法满足高精度的定位需求。从实现框架上，可以将SLAM分解为前端的图构建和后端的图优化两个过程。求解这种图优化问题，通常将图转换为一个线性方程的求解问题，通常通过边缘化(marginalization)三维点的方式减小线性方程的系数矩阵的稠密程度。

现有技术的缺陷在于：由于IMU约束随着两帧时间间隔增加而减弱，为了更好地利用IMU信息，通常需要较为稠密地选择待优化相机的连续帧图像，导致图优化效率下降。原因如下：1)同一个三维点在很多的相机连续帧图像中可见，边缘化这个三维点需要计算非常多的额外约束；2)边缘化所有三维点后得到的RCS(Reduced Camera System)非常稠密，相机的两个连续帧图像只要能同时看见同一个三维点就有一个非零分量。

发明内容

本发明实施例提供一种图优化方法、装置、电子设备及计算机可读存储介质，以至少解决现有技术中的一个或多个技术问题。

第一方面，本发明实施例提供了一种图优化方法，包括：预先构建同时定位与制图SLAM的待优化图，所述待优化图包括节点和连接两个所述节点构成的边，所述节点用于表示待求解的线性方程的待优化变量，所述边用于表示所连接的两个节点对应的待优化变量之间的约束关系，其中，所述待优化变量包括待求解的三维点坐标和待求解的相机运动参数，所述节点包括第一节点和第二节点，所述第一节点用于表示所述待求解的三维点坐标，所述第二节点用于表示所述待求解的相机运动参数；将预先构建的所述SLAM的待优化图中的所述第一节点复制成两个以上第三节点，并使所述第三节点中的任意一个与n个第二约束节点存在约束关系且在n个所述第二约束节点中有m个所述第二约束节点与相邻的所述第三节点存在相同的约束关系，所述第二约束节点与至少一个所述第三节点存在约束关系，其中，n为预设的控制参数，n-1≥m≥1,所述第二约束节点是与所述第一节点存在约束关系的所述第二节点；用所述第三节点代替对应的预先构建的所述SLAM的待优化图中的所述第一节点，得到复制节点后的SLAM的待优化图；以及边缘化所述第三节点，以减小所述待求解的线性方程的系数矩阵的稠密程度。