[发明专利]一种基于SLAM技术的自主位姿测量方法

说明书

本发明涉及远程态势感知领域，尤其涉及一种基于SLAM技术的自主位姿测量方法，基于视觉传感器、IMU惯导传感器和GPS传感器实现，所述方法包括：接收待建场景的点云数据、图像信息、姿态信息和目标位置信息；基于改进的极几何约束3D点云运动分割算法对高动态场景进行对象级运动场景分割；对点云数据、图像信息、姿态信息和目标位置信息采用多源数据定位定姿算法:对静态部分的图像信息采用2D‑3D匹配算法，对动态目标采用动态目标与视点位置关联估计算法，实现定位；对场景中的静态部分进行三维点云场景构建得到精确匹配的点云数据，对场景中的动态目标进行动态物体构建，并对定位定姿结果辅助进行全局优化，进而完成位姿测量。

技术领域

本发明涉及远程态势感知领域，涉及SLAM技术在态势感知领域协同交互应用中的视觉定位定姿方法，尤其涉及一种基于SLAM技术的自主位姿测量方法。

背景技术

随着近几年硬件能力和智能算法的不断进步，增强现实技术从实验室开始大步走向实际应用，逐渐进入人们的视野。增强现实既允许用户看到真实世界，同时也能看到叠加在真实世界上的虚拟对象，将计算机生成的图形与用户在真实物理世界获取的视觉信息组合在一起，具有虚实结合、实时交互的新特点，使用户产生全新体验，并提高对现实世界中的事物和物理现象的洞察力，因此增强现实系统在远程态势感知领域具有重大的应用潜力。

传统的视觉同步定位与场景重构(Simultaneous Localization And Mapping，以下简称SLAM)技术解决的是当视点自身位置未知、场景未知的情况下，利用视觉图像对自身定位的同时完成场景构建。通过SLAM技术，能够显著提高作战人员对周边环境的感知能力、对战场态势的认知深度。而这类算法有一个前提假设，就是周边环境必须是静态的。如果将动态物体引入场景，按照现有的算法，会带来很大的估计误差，这会极大地影响现有视觉SLAM算法的有效性。

动态场景下的SLAM的难点之一在于矩阵病态(ill-posed)特性，即观测与重投影误差不稳定导致求解最小化问题时的矩阵也不稳定，求解结果通常难以收敛到一个恒定值。此外，动态物体对场景描述也带来了困难，以往的静态点云难以表达各种刚性、柔性的运动过程，必须建立新的场景描述方法，同时尽量减少数据存储量。与此同时，从静态点云到动态点云数据量会激增，目前的主流方案对柔体、或者周期性运动场景物体缺乏有效的简练描述方式。

目前，国际上很少有对整个动态场景视觉SLAM的研究，大多数工作主要集中在其中的小部分内容，相关工作有单独考虑运动分割，将极几何约束或场景流引入解决动、静态环境判别问题；也有工作针对已有运动分割或其他先验的前提下进行视点定位或动态地图构建等算法。

综上所述，在复杂环境的应用场景中，大量存在的动态物体使目前SLAM计算难以适应，因此要构建一个完整而有效的动态场景视觉SLAM框架是一个巨大的挑战。

发明内容

本发明的目的在于克服现有技术缺陷，提出了一种基于SLAM技术的自主位姿测量方法。主要围绕在态势感知领域协同交互的定位与重构需求和对于数据的时空一致性、虚实场景一致性问题，开展基于动态场景下视觉SLAM技术的研究与应用。

为了实现上述目的，本发明提出了一种基于SLAM技术的自主位姿测量方法，基于视觉传感器、IMU惯导传感器和GPS传感器实现，所述方法包括：

步骤1)接收待建场景的点云数据、图像信息、姿态信息和目标位置信息；

步骤2)基于改进的极几何约束3D点云运动分割算法对高动态场景进行对象级运动场景分割；

步骤3)对点云数据、图像信息、姿态信息和目标位置信息采用多源数据定位定姿算法，对静态部分的图像信息采用2D-3D匹配算法，对动态目标采用动态目标与视点位置关联估计算法，实现定位；

步骤4)对场景中的静态部分进行三维点云场景构建得到精确匹配的点云数据，对场景中的动态目标进行动态物体构建，并对定位定姿结果辅助进行全局优化，进而完成位姿测量。