基于惯性先验校正图像灰度的VIO前端改良方法

针对封闭环境中不同光照场景导致相机图像序列光照过强、过弱以及光照强度大幅变化等问题,提出了一种基于惯性先验预测并校正图像灰度、提升光流跟踪成功率的视觉惯性里程计(VIO)前端改良方法,以解决由于极端光照条件导致的特征点跟踪失败问题.该VIO前端改良算法通过以惯性预测特征点像素位置,并衡量图像序列中对应特征点邻域之间的相似性对当前图像灰度进行伽马校正.通过TUM数据集实验验证,所提算法定位精度比VINS-Mono平均提升了17.7%;在真实的室内外环境下进行实验,相较于VINS-Mono有更好的表现.