基于IMU与单目视觉融合的位姿估计方法研究

发布时间：2024-03-08 23:46

　　视觉惯性里程计(VIO)作为视觉SLAM领域最具前景的研究方向之一,受到了各界的广泛关注。VIO将低成本、小型化的惯性测量单元(IMU)和摄像机融合在一起,一方面利用相机提供的丰富场景信息来约束IMU的漂移,另一方面利用IMU输出的载体自身运动信息来确定单目视觉中的尺度因子并将其与惯性空间对齐,充分利用了两者的互补关系进行导航和定位。与传统的滤波方法不同,本文采用定位精度更高的非线性优化紧耦合方案进行传感器信息融合。本文的主要研究工作概述如下:1.对VIO系统中涉及到的坐标系进行定义并明确了坐标变换关系;分析了IMU测量模型和针孔相机投影模型,建立了视觉SLAM问题的数学模型,并采用非线性最小二乘的方法对其进行求解。2.研究了VIO系统的初始化方法,在视觉前端使用KLT光流法对图像特征进行跟踪并利用SFM的思想恢复相机位姿,同时对连续两帧图像之间的IMU数据进行预积分处理,最后将两者求得的位姿结果进行松耦合,通过求解线性最小二乘方程获得后端优化所需要的系统初值,包括尺度因子,陀螺仪的零偏,重力加速度的方向以及载体的运动速度。3.利用IMU测量误差和视觉重投影误差构造非线性优化的代价函数...

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图1-1视觉SLAM的实际应用

课题背景与研究意义近年来，无人机自主导航、自动驾驶、虚拟现实（VR）以及增强现实（AR域蓬勃发展，极大的丰富满足了人们的生产生活需求。无人机及移动机器人了自主导航的功能之后，可以代替人类完成高空高危以及狭小地形下的探测，例如“玉兔”号月球车的成功着陆、京东无人车派送快递等；AR....

图3-2KLT光流跟踪特征点

哈尔滨工业大学工程硕士学位论文色线条。由于本文在特征检测时采用了图像掩膜的操作，确保每个特征个像素距离内不进行特征检测，所以图中特征分布比较均匀。键帧对于回环检测、位姿图优化和建图具有重要的作用，可以避免频测等带来不必要的时间开销，保证系统实时性。因此，视觉前端处理的定关键帧。本....

图5-1关闭回环时的运动轨迹开启回环检测后重复进行实验，可得如图5-2所示的位姿估计结果

由于实验室没有运动捕捉系统，因此实物实验只用来定性分析算法的定位结果。实验采用在室内手持相机走动的形式采集图像和IMU数据，然后将这些信息制作为ROS系统可用的rosbag功能包形式进行位姿估计。室内场景如图5-1左图所示，该环境下光照条件良好，特征点丰富十分适合进行视觉S....

图5-2开启回环后的运动轨迹

图5-1关闭回环时的运动轨迹开启回环检测后重复进行实验，可得如图5-2所示的位姿估计结果。可以看到相较于上一次实验，本次实验的运动轨迹形成了一个闭合的回环，这说明回环检测模块有效的消除了累积误差，明显提高了位姿估计的精度。图5-3是运动过程中当前帧和回环帧之间的特征匹....

本文编号：3922570