摘要
本发明涉及一种基于VIO和LIO的在线外参优化方法,先将IMU预积分与相机运动恢复进行配准获得相机的自身位姿估计,然后以IMU预积分作为激光雷达的NDT算法的先验信息,将先验信息以及激光雷达数据输入NDT算法获得激光雷达的自身位姿估计,最后建立相机的自身位姿估计、激光雷达的自身位姿估计以及外参的变换关系并根据变换关系确定包含外参、相机的自身位姿估计以及激光雷达的自身位姿估计的代价函数,最小化代价函数获得最终外参。本发明结合了IMU预积分,使得位姿估计更加准确且最小化代价函数获得最终外参时优化过程更加容易收敛,从而能够提高外参估计的鲁棒性和精确性。
技术关键词
运动恢复
相机
滑动窗口
激光雷达数据
在线
雅可比矩阵
坐标系
算法
角速度信息
视觉
关系
误差
点云
关键帧
特征点
鲁棒性
滤波
系统为您推荐了相关专利信息
激光雷达传感器
避障方法
多传感器融合
数据处理器
图像
雷达点云数据
障碍物识别方法
坐标点
障碍物识别装置
坐标系
切换控制策略
运动相机
镜头
液晶光学元件
强化学习环境
人工智能识别方法
全景视频
图像
全景相机
坐标系