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！

龙图腾网获悉格星微电子科技成都有限公司申请的专利基于增量式图优化的单目vio融合rtk系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119904521B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411988542.4，技术领域涉及：G06T7/73；该发明授权基于增量式图优化的单目vio融合rtk系统是由梁修如;罗茂根;张怀东;周星宇设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本基于增量式图优化的单目vio融合rtk系统在说明书摘要公布了：本发明公开了一种基于增量式图优化的单目vio融合rtk系统，包括：数据采集与同步模块，用于采集IMU、图像和RTK数据，并确保它们的时间戳同步；初始状态估计模块，用于联合IMU和视觉数据使用vio算法进行初步的状态估计，再用RTK数据进行全局位置校准，将初始状态作为图的第一个节点；增量式状态图构建与约束残差模块，用于构建增量式状态图并计算残差；增量式优化模块，用于计算所有新增约束残差的平方和，计算雅可比矩阵，仅优化最新的状态节点。本发明能够避免每次数据更新都要重建整个图，提高了计算效率和实时性；融合RTK数据作为精确的绝对位置参考，提高了定位精度，解决了尺度不确定性问题。

本发明授权基于增量式图优化的单目vio融合rtk系统在权利要求书中公布了：1.基于增量式图优化的单目vio融合rtk系统，其特征在于，包括： 数据采集与同步模块，用于采集来自惯性传感器的IMU数据、来自单目相机的图像数据和来自GNSS传感器的RTK数据，再利用时间戳进行不同传感器数据的匹配，确保它们的时间戳同步； 初始状态估计模块，用于联合经过同步后的IMU和图像数据使用vio算法进行初步的状态估计，再用RTK数据进行全局位置校准，将初始状态作为状态图的第一个节点； 增量式状态图构建与约束残差模块，用于使用新的状态在初始状态图的基础上构建增量式状态图，同时进行状态预测，计算预测值与真实值之间的约束残差； 增量式优化模块，用于计算所有新增约束残差的平方和，计算雅可比矩阵，通过雅可比矩阵得出增量式优化过程中的中间变量，使用中间变量优化最新的状态节点； 所述增量式状态图构建与约束残差模块具体执行以下操作： 1用k-1时刻的IMU、图像和RTK数据预测时刻k的状态 式中，pk-1表示k-1时刻的位置；vk-1表示k-1时刻的速度；qk-1表示k-1时刻的姿态四元数；hvisual·表示预测下一个时刻图像中特征点坐标的预测方程；zvisual,k-1表示k-1时刻的图像中特征点坐标；ak-1是k-1时刻的加速度；Δqwk-1,Δt表示k-1时刻的角速度wk-1经过Δt时间后的增量四元数；表示两个四元数相乘；表示k时刻根据k-1时刻状态xk-1预测得到的位置预测值；表示k时刻根据k-1时刻状态xk-1预测得到的速度预测值；表示k时刻根据k-1时刻状态xk-1预测得到的姿态四元数预测值；表示k时刻根据k-1时刻的特征点坐标zvisual,k-1预测得到的特征点坐标预测值； 2用新的IMU、图像和RTK数据更新当前时刻k的状态xk： xk＝[pk,vk,qk,zvisual,k] 式中，pk表示k时刻的位置；vk表示k时刻的速度；qk表示k时刻的姿态四元数；zvisual,k表示k时刻的图像中特征点坐标； 每新增一个状态，就在已有的状态图里新增一个节点，实现增量式状态图； 3根据k-1时刻得到的预测值和k时刻从IMU数据得到的真实值计算新的约束残差： 式中，表示当前时刻k的状态xk的位置预测值与真实值之间的约束残差；表示当前时刻k的状态xk的速度预测值与真实值之间的约束残差；表示当前时刻k的状态xk的姿态四元数预测值与真实值之间的约束残差； 4根据k-1时刻得到的预测值和k时刻从图像数据得到的真实值计算新的约束残差： 式中，zvisual,k表示k时刻通过图像获得的实际特征点坐标；rvisual,kxk表示当前时刻k的状态xk的特征点坐标预测值与真实值之间的约束残差； 5根据k-1时刻得到的预测值和k时刻从RTK数据得到的真实值计算新的约束残差： 式中，表示RTK提供的真实位置；rRTK,kxk表示当前时刻k的状态xk的位置预测值与RTK提供真实值之间的约束残差； 所述增量式优化模块具体执行以下操作： 1计算所有新增约束残差的平方和： 式中，R表示约束残差的平方和； 2计算每个约束残差对状态变量的偏导数，得到一个雅可比矩阵： J＝[J1,J2,...Ji,...J5] 式中，J1表示对位置p求偏导数后的向量；J2表示对速度v求偏导数后的向量；J3表示对姿态q求偏导后的向量；J4表示rvisual,kxk对图像中特征点数n求偏导后的向量；J5表示对位置p求偏导后的向量；J表示由Ji组成的雅可比矩阵； 3使用雅可比矩阵和约束残差的平方和计算优化的中间变量： Δx＝JTJ+λI-1JTR 式中，Δx表示在优化过程中控制xk变化的量；λ是阻尼因子；JTJ是雅可比矩阵的正规化项；R表示新增的约束残差的平方和； 4基于中间变量进行迭代优化： 式中，表示在优化过程中用来替换的中间变量；表示位置的中间变量；表示速度的中间变量；表示姿态的中间变量；表示图像中特征点的中间变量； 将替换原本的预测值： 重复进行步骤1、2、3进行多次优化，直到R收敛后输出

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人格星微电子科技成都有限公司，其通讯地址为：610094 四川省成都市高新区天府大道北段1480号9号楼3栋5层1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。