基于IMU预积分封闭解的单目视觉惯性里程计算法

将扩展卡尔曼滤波器作为后端的视觉惯性里程计算法由于其在实时性高的同时能保持较高的精度,从而被广泛地用于实际环境中。针对如何快速精确处理两帧图像之间的IMU数据的问题,提出了一种基于IMU预积分封闭解的算法,相较于传统基于优化的视觉惯性里程计算法在分段常数加速近似下采用离散四元数积分来简化所需的预积分值,IMU预积分封闭解算法在IMU时间周期内求解解析解,并应用于多状态约束下的卡尔曼滤波器(MSCKF)视觉惯性里程计框架下,来提高系统定位的精度。针对MSCKF算法观测方程参数化方法存在的数值稳定性的问题,提出了一种逆深度的参数化方法,克服了MSCKF算法在空间点坐标z轴深度值趋近于零时,系统观测值会出现奇点的情况,有效增加系统的鲁棒性。在公开EuRoc数据集六个飞行序列上的试验结果表明,所提出算法相较于传统的MSCKF视觉惯性里程计算法漂移较小,均方根误差减少约36.5%,定位精度得到有效提升。

一种改进的视觉/IMU导航系统初始化方法

针对基于单目相机和惯性测量单元(IMU)组成的视觉导航系统需要精确初始化的问题,该文提出了一种减少处理时间同时提高精度的系统初始化方法。首先,对采集数据中的陀螺仪偏置进行单独估计并分离,实现估计陀螺仪偏置和求解系统初始化封闭解问题的解耦;然后,采用基于紧耦合的线性模型求取初始化问题的封闭解;最后,将所提出的改进初始化方法应用于经典的VinsMono框架中。实验表明,改进方法可有效提高视觉惯性导航系统的初始化精度和效率。