[发明专利]检测VIO系统跟踪状态的方法、系统、电子装置和存储介质

说明书

本申请涉及一种检测VIO系统跟踪状态的方法、系统、电子装置和存储介质，通过对源输入数据和系统内部状态信息进行标注，获得训练数据，源输入数据包括IMU数据和原始图像，训练数据包括正样本和负样本；将训练数据按照机器学习方法进行模型训练，获得训练好的机器学习模型，训练好的机器学习模型用于跟踪状态检测；接收待预测数据，通过训练好的机器学习模型输出待预测数据的得分，根据待预测数据的得分，获得VIO系统的第一跟踪状态，本方案同时利用VIO系统的源输入数据和部分系统内部状态信息，并且使用机器学习的方法判断跟踪状态，机器学习的方法可以从大量正负样本中进行学习，从而获得准确检测跟踪状态的能力，提高了检测跟踪状态的准确率。

技术领域

本申请涉及计算机视觉技术领域，特别是涉及检测VIO系统跟踪状态的方法、系统、电子装置和存储介质。

背景技术

视觉惯性里程计(Visual Inertial Odometry，简称为VIO)算法是一种融合相机和惯性测量单元(Inertial measurement unit，简称为IMU)信息，计算设备在空间中位姿的算法，以其高效鲁棒的特性，被广泛应用于增强现实(Augmented Reality，简称为AR)、无人车等领域。VIO系统在运行过程中可能会因为场景或者自身运动模式的变化导致跟踪状态发生改变，准确的判断出VIO系统的跟踪状态是维持VIO系统稳定运行极为重要的一个部分，在相关技术中，传统的跟踪状态检测方法，将VIO系统内部的一些变量参数做一个简单的检查，用一些笼统的阈值来判断跟踪状态，导致准确率低。

目前针对相关技术中传统的跟踪状态检测方法准确率低的问题，尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种检测VIO系统跟踪状态的方法、系统、电子装置和存储介质，以至少解决相关技术中传统的跟踪状态检测方法准确率低的问题。

第一方面，本申请实施例提供了一种检测VIO系统跟踪状态的方法，所述方法包括：

对源输入数据和系统内部状态信息进行标注，获得训练数据，其中，所述源输入数据包括IMU数据和原始图像，所述训练数据包括正样本和负样本，所述正样本为跟踪良好的样本，所述负样本为跟踪失败的样本；

将所述训练数据按照机器学习方法进行模型训练，获得训练好的机器学习模型，其中，所述训练好的机器学习模型用于跟踪状态检测；

接收待预测数据，通过所述训练好的机器学习模型输出所述待预测数据的得分，根据所述待预测数据的得分，获得所述VIO系统的第一跟踪状态。

在其中一些实施例中，所述接收待预测数据，通过所述训练好的机器学习模型输出所述待预测数据的得分之后，所述方法还包括：

获取系统内部状态信息，将所述系统内部状态信息进行分类，将各分类按照预设规则进行打分，获得各分类的得分；

根据所述各分类的得分和预设综合得分策略，获得综合得分，根据所述综合得分判断所述VIO系统的第二跟踪状态；

根据所述第一跟踪状态和所述第二跟踪状态获得所述VIO系统的第三跟踪状态。

在其中一些实施例中，根据所述各分类的得分和预设综合得分策略，获得综合得分包括：

获取各分类得分的最小得分、最大得分和平均得分；

若所述最小得分小于第一预设值，则所述综合得分为所述最小得分；

若所述最大得分大于第二预设值，且所述最小得分大于第三预设值，则所述综合得分为所述平均得分；

否则，所述综合得分为所有小于所述第三预设值的各分类得分相乘。

在其中一些实施例中，获得所述第一跟踪状态、所述第二跟踪状态或所述第三跟踪状态之后，所述方法还包括：