[发明专利]基于视觉惯性的SLAM方法、装置、存储介质和设备

说明书

本公开涉及一种基于视觉惯性的SLAM方法、装置、存储介质和设备，涉及无线定位技术领域，该方法包括：将第一时刻图像采集单元采集的图像信息和惯性测量单元IMU采集的运动信息按照扩展卡尔曼滤波算法进行融合，以获取初始位姿，根据图像信息和初始位姿，确定初始局部地图，按照预设的非线性优化算法对初始位姿和初始局部地图进行优化，以获取优化位姿和优化局部地图，根据优化位姿和优化局部地图，更新目标初始位姿和目标初始局部地图。能够提高SLAM的计算效率和定位精度。

技术领域

本公开涉及无线定位技术领域，具体地，涉及一种基于视觉惯性的SLAM方法、装置、存储介质和设备。

背景技术

随着终端技术的不断发展，机器人已经进入到许多技术领域，以帮助人们完成各种作业任务。对于需要在工作过程中不断移动的机器人来说，为了更好的完成作业任务，需要获得准确的定位。机器人利用各种信息采集设备以采集机器人所处物理环境的外部信息，由此进行SLAM(英文：Simultaneous Localization and Mapping，中文：即时定位与地图构建)。外部信息通常包括视觉信息(例如图像)和运动信息(加速度、方向等)两种，需要结合两种信息以实现SLAM。现有技术中，对视觉信息和运动信息的结合，通常有两种处理方式：卡尔曼滤波算法和非线性优化算法。其中，卡尔曼滤波算法实现简单，计算效率高，但定位精度比较低，难以适用于需要准确定位的应用场景，非线性优化算法通过迭代来实现，精度较高，但计算量大，计算效率低，难以适用于需要实时定位的应用场景。

发明内容

本公开的目的是提供一种基于视觉惯性的SLAM方法、装置、存储介质和设备，用以解决现有技术中存在的难以兼顾SLAM的计算效率和定位精度的问题。

为了实现上述目的，根据本公开实施例的第一方面，提供一种基于视觉惯性的SLAM方法，所述方法包括：

将第一时刻图像采集单元采集的图像信息和惯性测量单元IMU采集的运动信息按照扩展卡尔曼滤波算法进行融合，以获取初始位姿；

根据所述图像信息和所述初始位姿，确定初始局部地图；

按照预设的非线性优化算法对所述初始位姿和所述初始局部地图进行优化，以获取优化位姿和优化局部地图；

根据所述优化位姿和所述优化局部地图，更新目标初始位姿和目标初始局部地图，所述目标初始位姿为将第二时刻所述图像采集单元采集的图像信息和所述IMU采集的运动信息按照所述扩展卡尔曼滤波算法进行融合，获取的初始位姿，所述目标初始局部地图为根据所述第二时刻所述图像采集单元采集的图像信息和所述目标初始位姿确定的初始局部地图，所述第二时刻为获取所述优化位姿和所述优化局部地图的时刻。

可选地，所述将第一时刻图像采集单元采集的图像信息和惯性测量单元IMU采集的运动信息按照扩展卡尔曼滤波算法进行融合，以获取初始位姿，包括：

将所述运动信息和历史位姿作为IMU运动模型的输入，以获取所述IMU运动模型输出的预测位姿，所述历史位姿为将第三时刻所述图像采集单元采集的图像信息和所述IMU采集的运动信息按照所述扩展卡尔曼滤波算法进行融合，获取的初始位姿，所述第三时刻为所述第一时刻之前的时刻；

按照预设的图像处理算法处理所述图像信息，以获取所述图像信息中包括的视觉约束关系；

按照所述视觉约束关系对所述预测位姿进行更新，以获取所述初始位姿，所述视觉约束关系包括：重投影误差最小，或光度误差最小。

可选地，所述根据所述图像信息和所述初始位姿，确定初始局部地图，包括：

将所述图像信息中满足预设条件的像素点确定为特征点；

根据所述特征点和所述初始位姿进行三维重建，以获取所述初始局部地图。