1.一种基于VSLAM的室内高精度定位导航方法,包括手机端和云服务器端,其特征在于,所述定位导航方法包括如下步骤:步骤一、通过手机端相机拍摄室内待导航区域一圈,采集室内场景图像,提取每一帧室内场景图像的特征点;
基于梯度法,检测出室内场景图像中各物体边缘形状,并进一步地根据物体边缘形状提取出自然路标,通过决策树对自然路标寻找角点,作为特征点;
步骤二、根据相邻帧室内场景图像定量估算帧间相机的运动;
获取一帧室内场景图像中自然路标的角点信息,根据角点描述子采用Kd树建立索引,对于相邻帧室内场景图像进行角点匹配;当跟踪角点丢失后,可根据索引重新建立匹配;
步骤三、借助IMU参数积分获取位置、速度和角度信息,通过数据融合优化位姿估计;
步骤四、将相邻帧的运动轨迹串起来,构成手机端相机的运动轨迹;
步骤五、根据估算的每个时刻相机的位置和姿态,利用室内场景环境中角点和关键路标点增量式地构建地图;
步骤六、手机端拍摄室内场景图像并上传至云服务器端,室内场景图像经特征提取及特征匹配后,计算出当前的位置和姿态信息并反馈至手机端,完成定位导航;
步骤二中角点匹配的具体步骤为:首先,计算出角点描述子16维上的数据方差,挑选出数据方差中最大的维度;然后,根据数据方差最大的维度,将角点描述子进行排序,找到位于中间的角点描述子中值作为分类的依据,迭代建立Kd树;接着,计算相邻两帧室内场景图像的匹配角点,以一个角点为圆心,两个角点描述子数据方差最大距离作为阈值半径,建立一个超球体;最后,查找Kd树中的最近邻居,得到相邻两帧室内场景图像中匹配的角点,利用匹配角点描述子计算两个角点之间汉明距离差,获得相机运动矢量;
步骤五的地图构建中,采用栅格融合的方法,将地图分割为若干地图块,每个地图块上定义一组多项式函数f(x(t),v)作为融合规则,表示为:f(x(t),v)=min||x(t)-v||
其中,t表示时刻,x(t)=E(a
基于多项式函数融合规则,对不同地图块进行栅格融合,融合后的局部地图,作为粒子滤波的输入,经过与已建全局地图的扫描匹配,融入GPS和GIS空间数据库信息,同时进行定位与地图创建;融合的过程实际上是根据更新的粒子集进行粒子重采样更新局部地图,是新地图顺序增加替换旧地图部分,从而完成地图的构建。
2.根据权利要求1所述的基于VSLAM的室内高精度定位导航方法,其特征在于,步骤三中,为避免相邻帧室内场景图像多次局部估计出现累积漂移,通过非线性优化对位姿估计进行优化;将优化的变量作为图的节点,误差项作为图的边,在给定初值后,进行迭代优化更新。
3.根据权利要求1至2中任一项所述的基于VSLAM的室内高精度定位导航方法,其特征在于,步骤四中,在判断相机运动轨迹/定位的过程中,将手机端和云服务器端相结合实现分布式VSLAM,以网络拓扑容量参数作为阀值决定定位算法在云服务器端执行还是在手机端执行;手机端将拍摄的室内场景图像数据通过消息队列传递给云服务器端,从消息队列中取出观测和控制数据,通过Map任务并行完成路标点的更新,Reduce端根据更新的路标点实现定位和地图创建,最终将VSLAM结果发送给手机端。
4.根据权利要求3所述的基于VSLAM的室内高精度定位导航方法,其特征在于,步骤六中,在定位导航/路径搜索过程中,采用启发式搜索,构造与最优路径有关的可视边,完成定位导航功能。