基于时间同步优化和特征筛选的无人机单目视觉惯导联合定位方法

针对全球定位系统(global positioning system,GPS)/北斗失能场景下无人机无法正常定位工作的情况,提出了一种基于单目相机和惯性传感器的状态估计方法。该方法采用单目相机和惯性测量单元(inertial measurement unit,IMU)联合估计无人机6自由度状态,通过运动建模迭代优化图像和IMU时间同步偏差,并以DBSCAN(density-based spatial clustering of applications with noise)聚类筛选鲁棒的视觉特征,用于提高定位精度、减少计算时间。在公共数据集上将所提方法与现有典型算法进行对比,结果表明,所提方法在定位精度与计算时间上取得了较优平衡。

基于模型选择的视觉惯导SLAM初始化算法

单目视觉惯导的同时定位与建图(simultaneous localization and mapping,SLAM)初始化阶段是整个系统重要且脆弱的一部分,需要一个鲁棒的初始化过程以确保系统的可用性.针对初始化过程中容易出现位姿估计不准确而导致整个系统定位漂移的问题,本文在VINS-Mono的系统框架下,提出了一种基于模型选择的自动初始化方法,使SLAM系统可以根据不同场景自动选择合适的模型来完成联合初始化,得到系统初始值.在Euroc公开数据集的实验验证了该方法的有效性,实验结果表明改进后的VINS-Mono系统的精度和鲁棒性均得到了提高.