申请/专利权人:山东金东数字创意股份有限公司
申请日:2024-04-16
公开(公告)日:2024-06-25
公开(公告)号:CN118052963B
主分类号:G06T19/00
分类号:G06T19/00;G06F3/01;G06T7/80;G06T7/73
优先权:
专利状态码:有效-授权
法律状态:2024.06.25#授权;2024.06.04#实质审查的生效;2024.05.17#公开
摘要:本发明提供了一种降低XR长时间误差积累的方法、介质及系统,属于XR误差降低技术领域,包括:利用滤波算法对XR的传感器数据进行预处理;将传感器采集的多源数据进行融合,求解XR设备在虚拟环境中的位姿的最优估计值;引入非线性误差状态卡尔曼滤波器,对系统状态和测量噪声进行实时估计和补偿;结合先验知识和运动约束条件,构建误差积累模型,预测未来状态的误差变化;根据误差累积情况,动态调整传感器权重,降低误差贡献大的传感器权重;周期性地与已知标定位置进行对准,对位姿误差进行重新校准;构建误差分布模型,在后续应用中利用统计规律修正误差偏移;当误差积累超出预设的误差阈值时,启动重定位程序,重新确定初始位置和姿态。
主权项:1.一种降低XR长时间误差积累的方法,其特征在于,包括以下步骤:S10、收集XR设备运行过程中的传感器数据,为包含视觉、惯性、深度的多源数据;S20、利用滤波算法对传感器数据进行预处理:S30、建立综合优化模型,将预处理后的传感器数据进行融合,求解XR设备在虚拟环境中的位姿的最优估计值;S40、引入非线性误差状态卡尔曼滤波器,对系统状态和测量噪声进行实时估计和补偿;S50、结合先验知识和运动约束条件,构建误差积累模型,预测未来状态的误差变化;S60、根据误差累积情况,动态调整传感器权重,降低误差贡献大的传感器权重;S70、周期性地与已知标定位置进行对准,对位姿误差进行重新校准;S80、构建误差分布模型,在后续应用中利用统计规律修正误差偏移;S90、当误差积累超出预设的误差阈值时,启动重定位程序,重新确定初始位置和姿态;其中,所述建立综合优化模型,将包含视觉、惯性、深度的多源数据进行融合,求解最优位姿估计值的步骤,具体是:对视觉数据进行目标检测和轨迹关联,获取目标运动信息;将目标运动信息与惯性和深度数据融合,构建误差代价函数;采用优化算法求解最优位姿解;其中,所述结合先验知识和运动约束条件,构建误差积累模型,预测未来状态的误差变化的步骤,具体是:建立地形模型,利用相邻区域频率特征判断地形陡峭程度;对平坦区域,采用平滑约束;对陡峭区域,采用边缘保持约束;将约束条件融入误差模型,预测未来误差变化趋势;其中,所述构建误差分布模型,在后续应用中利用统计规律修正误差偏移的步骤,具体是:统计不同应用场景下位姿误差的分布规律;将分布模型应用于新场景,修正系统误差。
全文数据:
权利要求:
百度查询: 山东金东数字创意股份有限公司 一种降低XR长时间误差积累的方法、介质及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。