声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：龚赵慧, 张霄力, 彭侠夫, 李鑫
关键词：视觉惯性里程计, 初始化, 先验模型, 图优化, 单目视觉, 半直接法
针对半直接单目视觉里程计缺乏尺度信息并且在快速运动中鲁棒性较差的缺点，设计了一种融合惯性测量信息的半直接单目视觉里程计，通过IMU（惯性测量单元）信息弥补视觉里程计的缺陷，有效提高跟踪精度与系统鲁棒性．本文联合惯性测量信息与视觉信息进行初始化，较准确地恢复了环境尺度信息．为提高运动跟踪的鲁棒性，提出一种IMU加权的运动先验模型．通过预积分获取IMU的状态估计，根据IMU先验误差调整权重系数，使用IMU先验信息的加权值为前端提供精确的初值．后端构建了紧耦合的图优化模型，融合惯性、视觉以及3维地图点信息进行联合优化，同时在滑动窗口中使用强共视关系作为约束，在消除局部累积误差的同时提高优化效率与优化精度．实验结果表明，本文的先验模型优于匀速运动模型与IMU先验模型，单帧先验误差小于1 cm．后端优化方法改进后，计算效率提高为原来的1.52倍，同时轨迹精度与优化稳定性也得到提高．在EuRoC数据集上进行测试，定位效果优于OKVIS算法，轨迹均方根误差减小为原视觉里程计的1/3．
来源：2020年第5期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。