[发明专利]一种室内室外穿越无人机的平顺定位方法及装置

权利要求书

1.一种室内室外穿越无人机的平顺定位方法，其特征在于，包括以下步骤：

S1：基于因子图优化框架，进行多源传感器信息融合；

S2：将多源传感器信息融合过程与VINS算法相结合，进行最大后验估计，获得基于GPS-VINS因子图结构的因子图优化估计框架；

S3：将最大后验估计问题转化为稀疏线性优化问题，结合因子图优化估计框架，完成室内室外穿越无人机的平顺定位。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括，基于因子图优化框架，进行多源传感器信息融合，包括：

S11：构建多源传感器组；所述多源传感器组包括：GPS传感器、IMU传感器、视觉传感器、气压计传感器和磁力计传感器；

S12：对所述GPS传感器、IMU传感器、视觉传感器、气压计传感器和磁力计传感器，分别构建适配的传感器模型；

S13：将每个传感器信息及对应的传感器模型融合在因子图优化框架中，进行多源传感器信息融合。

3.根据权利要求2所述的方法，其特征在于，所述步骤S12还包括：

将GPS传感器适配的传感器模型构建为有界随机游走。

4.根据权利要求2所述的方法，其特征在于，所述步骤S13中，将每个传感器信息及对应的传感器模型融合在因子图优化框架中，进行多源传感器信息融合，包括：

S131：边际化无人机的GPS传感器数据，获得GPS偏差信息；

S132：通过视觉传感器对无人机进行关键帧特征提取，获得关键帧信息；

S133：对无人机的IMU传感器数据进行预积分，获得IMU信息；

S134：将获得的GPS偏差信息、关键帧信息、IMU信息、气压计传感器和磁力计传感器的信息，及对应的传感器模型融合在因子图优化框架中。

5.根据权利要求1所述的方法，其特征在于，所述步骤S2中，所述GPS-VINS因子图结构包括多种测量因子，所述多种测量因子包括：GPS因子、视觉因子、IMU因子、磁力计因子以及气压计因子。

6.根据权利要求5所述的方法，其特征在于，所述步骤S2还包括：

通过贝叶斯定理，根据下述公式(1)从每个传感器模型的概率和先验信息中得到概率模型p{X_k|Z_k}：

其中，Z_k表示k时刻的传感器测量值，C表示视觉信息，I表示IMU数据，G表示GPS数据，M表示磁力计数据，A表示气压高度计，X_k表示k时刻的无人机运动状态，p(X₀)表示初始时刻状态的概率模型，X₀表示初始时刻的无人机运动状态。

7.根据权利要求6所述的方法，其特征在于，所述步骤S3中，将最大后验估计问题转化为稀疏线性优化问题，结合因子图优化的估计框架，完成室内室外穿越无人机的平顺定位，包括：

S31：通过稀疏关系来识别GPS-VINS因子图结构中的所有测量因子和状态，获得因子化测量模型；

S32：通过联合似然性分解多个因子，根据所述因子化测量模型将最大后验估计定义为测量值的负对数似然函数；

S33：通过求解最大后验估计的优化问题，结合因子图优化的估计框架，完成室内室外穿越无人机的平顺定位。

8.根据权利要求1所述的方法，其特征在于，所述步骤S31中，所述GPS-VINS因子图结构的测量模式包括：VINS模式、GPS测试模式、GPS模式、GPS-VINS模式以及GPS有界游走模式；

其中，所述VINS模式下，融合视觉信息和IMU信息；GPS测试模式下，GPS测量用于估计GPS坐标状态时使用；GPS模式下，完全依靠GPS的定位信息；GPS-VINS模式下，融合GPS和VINS的定位信息；GPS有界游走模式下，使用GPS随机游动因子和边界因子。