摘要
本申请提供了一种基于轻量化设计的视觉惯性里程计方法,涉及自动驾驶和机器人导航的技术领域,能够在资源受限的设备上实现高效、精确的定位与建图,所述方法包括如下步骤:S1:输入RGB图像以及惯性测量单元(IMU)数据,并进行预处理,得到时间对齐的视觉‑惯性数据流;S2:对视觉图像进行特征点检测与跟踪,提取关键帧特征点来获取视觉特征信息;S3:对IMU数据进行预积分,计算相邻关键帧间的相对运动信息;S4:将视觉特征和IMU预积分结果输入紧耦合框架,并通过滑动窗口优化技术估计位姿、速度及传感器偏差;S5:通过回环检测技术校正累计误差,提升定位与建图精度;S6:输出实时位姿、速度信息及环境三维地图。通过本申请可以高效融合视觉和惯性信息,提高里程计精度和鲁棒性并降低系统成本。
技术关键词
视觉特征信息
关键帧
运动估计
轻量化卷积神经网络
回环检测技术
滑动窗口优化
全局优化方法
累积误差
加权损失函数
特征点
耦合框架
陀螺仪数据
图像
深度神经网络
融合视觉
积分误差
系统为您推荐了相关专利信息
输出特征
积层
深度学习网络模型
视频定位方法
关键帧
抬头显示系统
Kalman滤波器
现实眼镜
AR眼镜
地图构建优化