多位姿信息融合的双目视觉惯性里程计研究

发布时间：2021-07-09 18:04

　　随着机器视觉,惯性导航和计算机科学技术的发展,利用视觉惯性里程计解决在非结构化的场景中,GNSS信号强拒止弱观测的条件下,载体连续、稳定和精确的定位和测姿问题,已经逐渐地成为导航领域的热点研究方向。但是,视觉惯性里程计的性能与场景特征、载体运动和传感器的精度相关,在工作过程中可能发生以下情况:相机视点变化引起的图像间的几何变换;场景中特征信息不足和光照变化;载体的高动态引起的运动模糊;相机探测器的噪声——这些因素将导致视觉里程计的位姿测量产生较大的累积误差甚至失效。惯性导航由于惯性测量单元的零偏不稳定性和噪声等因素,其计算的位置、速度和姿态同样将产生累积误差。因此视觉惯性里程计相对于其它的导航系统的精度和适用性受场景特征、载体运动和传感器性能的影响较大。本文考虑到双目视觉里程计具有两个单目视觉和一个立体视觉的位姿测量信息,为视觉惯性里程计提供了更多的观测维度,将这些信息与惯导统一的融合将提高视觉惯性里程计的位姿估计精度。而且多视觉测量信息能够提供更多的位姿测量冗余度,当某视觉位姿测量单元发散或失效时,其它视觉位姿测量单元与惯性导航信息融合仍可获得较高精度的稳定导航信息。本文的目的是研究... 

【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省

【文章页数】：132 页

【学位级别】：博士

【部分图文】：

“好奇号”火星车

图 1.3“好奇号”火星车Figure 1.3 Curiosity Mars rover斯顿大学 Nister 为 VO 的发展作出了突出的贡献，包用，提出了单目 VO 和立体视觉 VO 的实时计算的境运动 1.63%，草地环境中运动 4.86%的平动精度用 Harris 角点检测算法作为前端特征检测算法[7]，提算法[8]，而且改进了随机采样一致性（RANSAC，）算法，提高了异值点剔除的实时性[9]。

图 1.5 ORB-SLAM2 测量的载体运动轨迹和构建的地图re 1.5 The trajectory measured and Map constructed by ORB-S典型的系统介绍了 VO 的发展历程和现状。VO 的功，包括特征检测与描述，图像特征匹配、异值点剔除量等。下面分析各部分功能算法的发展和现状。利用特征描述符表示图像的特征，可将 VO 划分为间接法是在特征检测提取出图像角点或团块特征后梯度或二进制特征进行描述。特征匹配根据特征描述的对应关系，例如 ORB-SLAM[10]。直接法在提取出述符，而是直接根据像素灰度计算下一时刻图像法的优势是无需计算图像特征描述符提高了 VO 的 VO 中应用广泛。但是，直接法的前提是灰度不变

【参考文献】：
博士论文
[1]基于无源信标的移动机器人室内定位技术研究[D]. 李月华.浙江大学 2018
[2]面向复杂环境的鲁棒高效的三维注册与结构恢复[D]. 刘浩敏.浙江大学 2017
[3]行星着陆巡视自主视觉导航方法研究[D]. 余萌.哈尔滨工业大学 2016
[4]单目视觉/惯性组合导航可观性分析与动态滤波算法研究[D]. 冯国虎.国防科学技术大学 2012



本文编号：3274222