基于图优化的GNSS/双目视觉/惯性SLAM系统开发及应用

为提高机器人室外长航时定位精度,提出一种基于图优化的全球导航卫星系统(GNSS)/双目视觉/惯性同时定位与建图(SLAM)系统开发及应用。将空间中的线特征作为几何约束的补充,集成至前端的特征提取及后端的位姿优化线程,提升位姿解算精度。同时,以因子图构建联合优化的图结构,并推导出全局观测误差模型。近200 m的BullDog-CX机器人巡检结果表明,所提算法相比于VINSFusion和PL-VINS分别取得约12.6%及3.4%的定位精度提升,为室外机器人长航时导航提供了一种可行方案。

一种基于线特征约束的无人机双目视觉SLAM算法

为了解决点特征SLAM算法在低纹理环境中精度下降的问题,提出了一种基于线特征约束的无人机双目视觉SLAM算法。首先,将双目相机观测线特征分为单目相机在两帧下观测、双目相机在两帧下观测、双目相机在一帧下观测3种情况;然后,计算了3种情况下的残差块和雅可比矩阵;最后,利用所提线特征约束改进了VINS-Fusion算法。在EuRoC数据集上进行实验验证,结果表明提出的算法在数据集半数以上的场景中都有良好的表现,相较于改进前的VINS-Fusion算法定位精度平均提升13.2%。

直接法和共视图优化的视觉惯性SLAM系统研究

视觉SLAM系统在相机快速旋转或光照频繁变化时,极易跟踪丢失。为此,提出一种基于直接法和共视图优化的紧耦合视觉惯性SLAM系统,融合IMU信息提高系统的鲁棒性,采用直接法前端提高系统的实时性,共视图优化后端提高系统的定位精度。该系统由前端和后端以及回环检测三个模块组成。跟踪线程利用IMU信息和基于稀疏图像对齐的直接法进行初始位姿估计;后端采用共视图的方法,以当前帧的二级相邻共视关键帧范围为局部优化窗口,利用光束平差法(Bundle Adjustment,BA)对系统状态变量进行优化;另外,仅对关键帧提取ORB特征点,并计算描述子信息供回环检测使用。在TUM VI数据集上的实验证明,与ORB-SLAM3和VINS-mono相比,该算法提高了系统的定位精度,且位姿估计速度提高了50%以上,在一帧完整跟踪任务中,比VINS-mono实时性提高了26%。

基于可观性分析的GNSS/IMU/视觉融合定位算法

作为决策、规划和控制的基础,精确的位姿估计对于智能汽车极为重要。为提高车辆的位姿中的航向估计精度,本文提出一种基于可观性的全球导航卫星系统(GNSS)、惯性测量单元(IMU)的视觉融合定位算法。首先,为分析GNSS/IMU组合定位误差状态的可观性,提出一种新的相对可观性分析方法,结果表明传统的GNSS/INS组合定位算法存在4个弱可观状态;随后,基于相对可观性理论,利用视觉惯性里程计估计的相对航向角,提出了一种基于可观性的融合定位算法;最后,实验验证了相对可观性分析的有效性,实验结果显示所提定位算法的最大航向误差为2.76°,航向误差RMS为1°,表明所提算法可以有效提高弱可观状态下车辆的航向估计精度。

基于点线特征融合的双目惯性SLAM算法

针对室内弱纹理场景下,基于点特征的SLAM算法难以追踪足够多的有效特征点,导致系统定位精度和鲁棒性较差,甚至完全失效的问题,提出一种基于点线特征并融合惯性测量单元(IMU)的双目视觉惯性SLAM算法。利用点线特征的互补优势来提高数据关联的准确性,同时引入IMU数据为视觉定位算法提供先验和尺度信息,通过联合最小化多残差函数得到更准确的相机位姿,并据此构建环境点线特征地图、稠密地图和导航地图。针对传统线特征提取算法在复杂场景下易检测到大量短线段和相似线段特征以及线段存在过分割等弊端,利用线段长度抑制、近线合并及断线拼接策略在FLD算法的基础上进行改进,以降低线特征的误匹配率,运行速度是LSD算法的2倍以上。通过对比多组公开数据集和真实弱纹理场景下得到的仿真实验结果可知,所提算法在保证定位精度的同时能够获得更为丰富的环境地图,具备较好的鲁棒性。

月面特征稀疏环境下的视觉惯性SLAM方法

月球车在执行科学探测任务过程中,其自身的高精度定位是一项亟需解决的关键问题。针对在特征稀疏的月面环境下的定位问题,提出一种视觉惯性融合的SLAM方法,将视觉测量与惯性传感器的信息利用位姿图优化方法融合,实现高精度的联合定位。针对特征稀疏环境下的前端视觉数据关联误差较大的问题,提出了一种基于四元树的光流跟踪算法,能够有效地跟踪鲁棒的特征点,提升了关键帧之间相对位姿估计的准确性。并且针对月面环境特有的恒星无穷远点干扰问题,提出一种高效的恒星点剔除算法,能够有效改善无穷远点导致的定位精度下降的问题。搭建了一套模拟月面环境的计算机仿真系统,并构建了多个月面环境视觉惯性SLAM仿真数据集,在不同的模拟月面场景下进行定位性能仿真验证,仿真测试结果表明本文算法的鲁棒性更强,具有更高的定位准确度。

视觉—惯性导航定位技术研究进展

视觉—惯性导航定位技术是一种利用视觉传感器和惯性传感器实现载体的自定位和周围环境感知的无源导航定位方式,可以在全球定位系统(global positioning system,GPS)拒止环境下实现载体6自由度位姿估计。视觉和低精度惯性传感器具有体积小和价格低的优势,得益于二者在导航定位任务中的互补特性,视觉—惯性导航系统(visual inertial navigation system,VINS)引起了极大关注,在移动端的虚拟现实(virtual reality,VR)、增强现实(augmented reality,AR)以及无人系统的自主导航任务中发挥了重要作用,具有重要的理论研究价值和实际应用需求。本文介绍视觉—惯性导航系统,总结概括该系统中初始化、视觉前端处理、状态估计、地图的构建与维护以及信息融合等关键技术的研究进展。对非理想环境下及基于学习方法的视觉—惯性导航定位算法等热点问题进行综述,总结用于算法评测的方法及标准数据集,阐述该技术在实际应用中所面临的主要问题,并针对这些问题对该领域未来的发展趋势进行展望。