买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：桂林电子科技大学

摘要：本发明公开了一种基于恒定加速度预测和PnP‑Epipolar优化的自动驾驶SLAM导航方法，具体是一种考虑连续帧间加速度并融合极线约束优化位姿的视觉SLAM导航方法。目的是解决现有视觉SLAM导航方法在剧烈运动和低重叠场景下位姿跟踪准确率低甚至失败的问题。该方法是由如下步骤实现的：步骤一：车载传感器对输入图像进行预处理，并采用参考关键帧跟踪获取速度；步骤二：采用恒速跟踪模型预测车辆初试位姿，然后根据PnP模型对位姿进行优化；步骤三：根据匹配数量判断车辆是否处于剧烈运动状态，若是，则采用本发明提出的鲁棒跟踪模型进行位姿跟踪，否则直接进入局部地图跟踪阶段；步骤四：当采用鲁棒跟踪模型进行位姿跟踪时，首先采用匀加速运动估计车辆初始位姿，提升剧烈运动状态下车辆位姿估计的准确性和鲁棒性；步骤五：其次采用全局特征匹配，提高剧烈运动下特征匹配数量；步骤六：然后采用PnP‑Epipolar模型优化位姿，提升剧烈运动状态下车辆位姿优化的准确性和鲁棒性。本发明适用于视觉SLAM导航系统。

主权项：1.一种基于恒定加速度预测和PnP-Epipolar优化的自动驾驶SLAM导航方法，其特征在于，包括步骤：步骤一，车载传感器对输入图像进行预处理，然后通过参考关键帧跟踪方式对前几帧进行跟踪并获取图像帧的位姿速度；步骤二，根据匀速运动假设，采用恒速运动模型估计当前帧车辆初始位姿，然后通过地图点投影进行特征匹配，最后根据PnP模型对位姿进行优化步骤三，根据匹配数量判断车辆是否处于剧烈运动状态，若是，则采用本发明提出的鲁棒跟踪模型进行位姿跟踪，包含恒定加速度预测、全局特征匹配和PnP-Epipolar优化三个阶段；若否，则直接进入局部地图跟踪阶段；步骤四，当采用本发明提出的鲁棒跟踪模型进行位姿跟踪，首先采用匀加速运动估计车辆初始位姿，提升剧烈运动状态下车辆位姿估计的准确性和鲁棒性；步骤五，其次采用全局特征匹配方法进行特征匹配，该匹配方法同时考虑了投影匹配和词袋匹配，能有效提高剧烈运动状态下特征匹配数量；步骤六，然后采用PnP-Epipolar模型优化位姿，该优化模型同时考虑了重投影约束与极线约束，提升了剧烈运动状态下车辆位姿优化的准确性和鲁棒性。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 基于恒定加速度预测和PnP-Epipolar优化的自动驾驶SLAM导航方法