论文部分内容阅读
随着机器人技术的发展与智能化测绘需求的不断增加,在未知环境下的导航定位与场景信息的探测感知技术在近几年被广泛研究,传统的测绘方式也在向移动式、实时动态的形态转变,其中,同步定位与地图构建技术(Simultaneous Localization and Mapping,SLAM)是研究的热点。机器人能够自主运行,定位是关键,对于室内等GPS信号受限的空间导航定位,惯导系统可以发挥巨大的作用,但存在误差累积导致定位结果不准确等问题,通过相机来实现定位,易受光照、纹理及运动过程中的动态场景、运动过快等影响。因此,本文基于惯导与视觉融合的SLAM技术对受限环境下的移动机器人导航定位展开研究,主要研究成果如下:(1)由于融合系统的性能高度依赖系统状态的初始值,因此,为获得惯性测量单元(Inertial Measurement Unit,IMU)的数学模型,预积分模型、初始化和紧耦合模型的系统精准参数,研究了多传感器标定;对于惯性与视觉传感器数据输出时间戳不一致问题,研究了传感器时间漂移,并通过实验分析了标定精度,得到传感器之间的时间漂移。(2)为解决数据噪声和传感器之间工作频率不同的问题,本文在对IMU测量值进行希尔伯特黄变换滤波处理的基础上,进行预积分处理,提高系统运行的精度;在确保硬件同步的条件下,采用一种快速的系统联合初始化方法,分别建立线性化陀螺仪零偏估计、加速度计零偏估计及重力优化、速度估计、IMU数据噪声等系统初值模型,利用获得的精准系统初始参数校正相机位姿。与VINS算法对比实验,结果表明,本文的初始化方法使陀螺仪和加速度计的收敛速度平均提升了 10s左右,达到了快速初始化效果。(3)针对大量重复数据所造成的信息冗余,本文提出了基于滑窗的关键帧筛选策略来降低信息冗余度,减少计算机资源损耗,确保系统的平稳运行。同时为提高室内复杂环境下移动机器人定位导航的鲁棒性及精确性,本文研究了惯导与视觉信息数据融合紧耦合方法,建立了紧耦合联合优化模型,结合局部优化与全局优化,获得最优位姿,并通过实验验证分析了该方法的有效性。