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。

视觉SLAM研究进展

视觉SLAM是指相机作为传感器进行自身定位同步创建环境地图。SLAM在机器人、无人机和无人车导航中具有重要作用,定位精度会影响避障精度,地图构建质量直接影响后续路径规划等算法的性能,是智能移动体应用的核心算法。本文介绍主流的视觉SLAM系统架构,包括几种最常见的视觉传感器,以及前端的功能和基于优化的后端。并根据视觉SLAM系统的度量地图的种类不同将视觉SLAM分为稀疏视觉SLAM、半稠密视觉SLAM和稠密视觉SLAM 3种,分别介绍其标志性成果和研究进展,提出视觉SLAM目前存在的问题以及未来可能的发展。

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%。