论文部分内容阅读
近年来，伴随着智能技术的发展，智能化的移动机器逐渐走进人们的视野，定位技术作为移动机器人的重要技术之一，一直是人们关注的热点。目前最常用的定位系统为GPS和惯导，GPS可以实现在各种气候条件下、持续精密的导航，但受外界影响比较大，在有电磁干扰或者有遮挡的情况下不可用,惯导系统虽不受外界干扰，但会随时间的积累产生累积误差，定位的精度会受到影响。现今随着机器视觉技术的不断发展，基于视觉的定位方法，尤其是在未知动态环境下，采用视觉SLAM(SimultaneousLocalizationAndMapping，同步定位与建图)定位的方法成为了研究的热点。然而单一的视觉定位，容易受光照变化的影响，且当摄像机采样频率过快时，会造成图像运动模糊，导致定位不准确。针对上述问题本文提出了一种将惯导与视觉进行组合定位的方法，利用两者性能的互补，实现高精度、高鲁棒的定位。主要的研究内容如下：
首先，说明了本文研究的背景与意义，综述了近年来纯视觉SLAM定位系统与视觉SLAM和IMU组合定位系统的研究现状，并给出了本文研究内容的具体章节安排。
其次，研究了视觉SLAM信息处理框架。构建了相机的投影模型、畸变模型。采用了Shi-Tomas角点检测方法对相机获取的图像提取特征点，并利用了KLT光流法匹配跟踪检测到的特征点。又对正确匹配的特征进行了位姿估计和BA优化。
接着，针对纯视觉定位算法在光照变化大、运动过快情况下定位不准确甚至失效的问题，研究了视觉惯导组合定位的算法。并针对IMU的测量频率高于相机的测量频率，使得两者时间戳无法对齐，导致IMU重复积分的问题，提出采用IMU预积分的方法，获取到相邻两个关键帧之间的相对位姿。并引入了一种初始化方法，估计了系统初始的速度、重力方向、与陀螺仪的零偏，为后端优化提供了一个良好的初值。在后端将惯导的测量到的结果与视觉测量的结果采用优化的方式进行融合得到位姿信息。
然后，针对上述的视觉惯导融合定位系统，由于仅考虑了相邻两帧间的优化，而使系统存在累积误差的问题，提出采用基于词袋的回环优化方法，进一步优化视觉惯导位姿，提高系统精度。另外还增加了重定位功能，可使相机在运动过程中，跟丢特征点后，仍然能够重新定位到当前的位置。
最后，对本文构建的组合定位算法进行了实验验证。先在公开视觉惯性数据集Euroc上进行了仿真，对比了本文设计算法的定位结果与地面真值间存在的误差，之后又在实际的小觅双目相机上进行了室内室外的定位测试。
首先，说明了本文研究的背景与意义，综述了近年来纯视觉SLAM定位系统与视觉SLAM和IMU组合定位系统的研究现状，并给出了本文研究内容的具体章节安排。
其次，研究了视觉SLAM信息处理框架。构建了相机的投影模型、畸变模型。采用了Shi-Tomas角点检测方法对相机获取的图像提取特征点，并利用了KLT光流法匹配跟踪检测到的特征点。又对正确匹配的特征进行了位姿估计和BA优化。
接着，针对纯视觉定位算法在光照变化大、运动过快情况下定位不准确甚至失效的问题，研究了视觉惯导组合定位的算法。并针对IMU的测量频率高于相机的测量频率，使得两者时间戳无法对齐，导致IMU重复积分的问题，提出采用IMU预积分的方法，获取到相邻两个关键帧之间的相对位姿。并引入了一种初始化方法，估计了系统初始的速度、重力方向、与陀螺仪的零偏，为后端优化提供了一个良好的初值。在后端将惯导的测量到的结果与视觉测量的结果采用优化的方式进行融合得到位姿信息。
然后，针对上述的视觉惯导融合定位系统，由于仅考虑了相邻两帧间的优化，而使系统存在累积误差的问题，提出采用基于词袋的回环优化方法，进一步优化视觉惯导位姿，提高系统精度。另外还增加了重定位功能，可使相机在运动过程中，跟丢特征点后，仍然能够重新定位到当前的位置。
最后，对本文构建的组合定位算法进行了实验验证。先在公开视觉惯性数据集Euroc上进行了仿真，对比了本文设计算法的定位结果与地面真值间存在的误差，之后又在实际的小觅双目相机上进行了室内室外的定位测试。