(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111652435.0 (22)申请日 2021.12.3 0 (71)申请人 广州景骐科技有限公司 地址 510000 广东省广州市黄埔区 （中新广 州知识城） 亿创街1号406房之318 （仅 限办公） (72)发明人 范云飞　韩旭　 (74)专利代理 机构 北京市京大律师事务所 11321 专利代理师 刘挽澜 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/00(2017.01) G06T 7/246(2017.01) G01C 21/16(2006.01)G01C 21/20(2006.01) (54)发明名称 状态估计加速方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及人工智能技术领域， 公开了一种 状态估计加速方法、 装置、 设备及存储介质， 用于 提高求解无人驾驶场景下目标状态更新计算效 率， 并降低计算机资源占用率。 所述状态估计加 速方法包括： 根据无人驾驶场景下的预设状态变 量观测数据集、 预设特征点坐标数据集和预设残 差模型生 成变换残差模型， 并从所述变换残差模 型中提取观测矩阵； 按照所述观测矩阵对所述变 换残差模型进行空间重投影， 得到目标残差模 型； 基于所述目标残差模型和预设状态估计算法 求解目标状态估计值， 所述目标状态估计值用于 指示对所述无人驾驶场景下的预设目标进行状 态更新与协方差更新。 权利要求书2页 说明书10页 附图4页 CN 114549635 A 2022.05.27 CN 114549635 A 1.一种状态估计加速方法， 其特 征在于， 所述状态估计加速方法包括： 根据无人驾驶场景下的预设状态变量观测数据集、 预设特征点坐标数据集和预设残差 模型生成变换残差模型， 并从所述变换残差模型中提取观测矩阵； 按照所述观测矩阵对所述变换残差模型进行空间重投影， 得到目标残差模型； 基于所述目标残差模型和预设状态估计算法求解目标状态估计值， 所述目标状态估计 值用于指示对所述无 人驾驶场景 下的预设目标进行状态更新与协方差更新。 2.根据权利要求1所述的状态估计加速方法， 其特征在于， 所述根据无人驾驶场景下的 预设状态变量观测数据集、 预设特征点坐标数据集和预设残差模型生成变换残差模型， 包 括： 从预设信息配置表中读取无人驾驶场景下的预设状态变量观测数据集和预设特征点 坐标数据集； 按照预设残差模型对所述预设状态变量观测数据集和所述预设特征点坐标数据集构 建各预设特征点的观测残差模型； 对各预设特征点的观测残差模型进行堆叠处理， 得到变换残差模型， 所述变换残差模 型为 其中， r为所有预设特征点的残差值， H为观测矩阵， 为所述预设状态变 量观测数据集对应的最优 估计值， n 为噪声。 3.根据权利要求2所述的状态估计加速方法， 其特征在于， 所述按照所述观测矩阵对所 述变换残差模型进行空间重投影， 得到目标残差模型， 包括： 按照所述观测矩阵的高度和所述观测矩阵的宽度确定高宽比值； 判断所述高宽比值是否大于或等于预设阈值； 若所述高宽比值大于或等于预设阈值， 则将所述变换残差模型投影至所述观测矩阵对 应的观测转置矩阵空间中， 得到目标残差模型， 所述目标残差模型为 其中， rξ 为所有预设特征点在观测转置矩阵空间中的残差， 且rξ＝HTr， Hξ为在观测转置矩阵空间中 的观测矩阵， 且Hξ＝HTH， nξ为在观测转置矩阵空间中的噪声， 且nξ＝HTnH， HT为所述观测矩阵 对应的观测转置矩阵。 4.根据权利要求2所述的状态估计加速方法， 其特征在于， 所述按照所述观测矩阵对所 述变换残差模型进行空间重投影， 得到目标残差模型， 包括： 判断所述观测矩阵是否属于稀疏矩阵； 若所述观测矩阵属于稀疏矩阵， 则将所述变换残差模型投影至所述观测矩阵对应的稀 疏块转置矩阵空间中， 得到目标残差模型， 所述目标残差模型为 其中， rτ为所 有预设特征点在稀疏块转置矩阵空间中的残差值， 且rτ＝HTr， Hτ为在稀疏块转置矩阵空间 中的观测矩阵， 且Hτ＝HTH， nτ为在稀疏块转置矩阵空间中的噪声， 且nτ＝HTnH， HT为所述观测 矩阵对应的稀疏块 转置矩阵。 5.根据权利要求4所述的状态估计加速方法， 其特征在于， 所述若所述观测矩阵属于稀 疏矩阵， 则将所述变换残差模型投影至所述观测矩阵对应的稀疏块转置矩阵空间中， 得到 目标残差模型， 包括： 若所述观测矩阵属于稀疏矩阵， 则从所述观测矩阵中删除零矩阵， 得到目标稀疏块； 对所述目标稀疏块进行转置计算， 得到所述观测矩阵对应的稀疏块 转置矩阵；权　利　要　求　书 1/2 页 2 CN 114549635 A 2按照所述稀疏块转置矩阵将所述变换残差模型转换到稀疏块转置矩阵空间中， 得到目 标残差模型。 6.根据权利要求1所述的状态估计加速方法， 其特征在于， 所述基于所述目标残差模型 和预设状态估计算法求 解目标状态估计值， 包括： 获取预设状态误差协方差矩阵， 并按照预设状态估计算法对所述预设状态误差协方差 矩阵、 所述目标残差模型中的观测矩阵和噪声 进行计算， 得到卡尔曼增益； 按照所述卡尔曼增益和所述目标残差模型中的残差值更新所述预设状态变量观测数 据集， 得到更新后的状态变量观测数据集； 根据所述卡尔曼增益、 所述预设状态误差协方差矩阵、 所述目标残差模型中的观测矩 阵和噪声计算更新后的状态误差协方差矩阵； 将所述更新后的状态变量观测数据集和所述更新后的状态误差协方差矩阵合并为目 标状态估计值。 7.根据权利要求1 ‑6中任意一项所述的状态估计加速方法， 其特征在于， 在所述根据 无 人驾驶场景下的预设状态变量观测数据集、 预设特征点坐标数据集和预设残差模型生成变 换残差模型， 并从所述变换残差模型中提取观测矩阵之前， 所述状态估计加速方法还 包括： 通过预设定时任务获取 无人驾驶场景 下的多帧相机位姿图像数据和惯性观测数据； 对所述多帧相机位姿图像数据进行特征提取和特征跟踪处理， 得到多个观测特征点位 姿数据； 将所述惯性观测数据和所述多个观测特征点位姿数据增扩为预设状态变量观测数据 集， 并将所述预设状态变量观测数据集存 储至预设信息配置表中。 8.一种状态估计加速装置， 其特 征在于， 所述状态估计加速装置包括： 生成模块， 用于根据无人驾驶场景下的预设状态变量观测数据集、 预设特征点坐标数 据集和预设残差模型生成变换残差模型， 并从所述变换残差模型中提取观测矩阵； 投影模块， 用于按照所述观测矩阵对所述变换残差模型进行空间重投影， 得到目标残 差模型； 求解模块， 用于基于所述目标残差模型和预设状态估计算法求解目标状态估计值， 所 述目标状态估计值用于指示对所述无人驾驶场景下的预设目标进行状态更新与协方差更 新。 9.一种状态估计加速设备， 其特征在于， 所述状态估计加速设备包括： 存储器和至少一 个处理器， 所述存 储器中存 储有计算机程序； 所述至少一个处理器调用所述存储器中的所述计算机程序， 以使得所述状态估计加速 设备执行如权利要求1 ‑7中任意一项所述的状态估计加速方法。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现如权利要求1 ‑7中任意一项所述的状态估计加速方法。权　利　要　求　书 2/2 页 3 CN 114549635 A 3