平面环境约束辅助的单目视觉惯性里程计

为提高视觉惯性导航系统在宽动态、长航时、大范围作业环境中的精确性与鲁棒性,提出了一种平面环境约束辅助的单目视觉惯性里程计。通过在视频图像中提取并跟踪均匀分布的FAST特征点,并采用对称光流剔除误跟踪点,实现了视觉特征点高效检测与精确跟踪;无需计算稠密深度地图,仅从稀疏特征点集中检测共面特征点,拟合空间平面,构建了对视觉特征点三维坐标的空间几何约束;融合视觉特征点重投影误差、共面特征点坐标约束以及惯性测量单元(Inertial measurement unit,IMU)预积分误差构造代价函数,采用非线性优化方法估计了系统状态。最后,分别在公开数据集和实际户外场景中评估了算法的准确性和有效性。实验结果表明,相较于VINS-Mono和ORB-SLAM3算法,本文方法的定位结果有显著提升,实现了复杂应用环境中精确、稳定导航,在机器人、无人驾驶等领域具有较大的实用价值。

动态特征剔除的无人系统视觉/惯性导航方法

为降低动态环境对视觉/惯性导航系统定位精度与稳定性的影响,提出了一种动态特征剔除的视觉/惯性导航方法。该方法在视觉/惯性导航系统VINS框架基础上,以结构相似度作为成本量生成端到端网络,检测环境中的动态区域;通过特征光流矢量对已检测到的动态区域进行对称光流筛选,剔除该区域内的动态特征;融合视觉和惯性测量构造代价函数,通过非线性优化方法有效估计无人系统状态。实验结果表明,动态特征剔除后的视觉/惯性导航方法具有良好的定位精度和稳定性,其位置均方根误差在EuRoC公开数据集和实际场景采集数据上分别为0.081和1.982 m,仅为VINS的35.5%和24.9%。该方法可在复杂应用环境中提供精确的位置信息,且在低成本无人系统导航定位方面具有良好的实用价值。