融合慣性與視覺的多傳感器空間位姿計算方法的研究.pdf

1、空間定位技術在智能機器人、無人機、AR等領域有著重要的作用，其定位精度直接影響著使用性能與用戶體驗。隨著計算機技術的快速發(fā)展，基于視覺里程計的空間定位技術逐漸成為了研究熱點，然而由于視覺的局限性，其單獨定位的精度不高并且穩(wěn)定性差，因此尋求一種更加可靠的基于視覺的空間位姿計算方法非常重要。
　　針對純視覺里程計空間定位方法易受環(huán)境干擾，定位不精確，可靠性與魯棒性不高的情況，本文提出了融合慣性與視覺的多傳感器空間位姿計算方法，建立優(yōu)化

2、模型并對算法進行對比實驗。本文主要完成了以下三個方面的內容：
　?、賵D像特征提取與匹配是計算機視覺中最基本也是最首要的問題，本文首先研究了三種主流的圖像特征提取與匹配算法—SIFT(Scale-invariant feature transform)、SURF(Speeded Up Robust Features)、ORB(Oriented FAST and Rotated BRIEF)算法，通過實驗對比了三種算法，針對視覺里程計

3、對時間效率的要求，選擇了ORB算法作為本文的圖像特征提取算法；針對視覺里程計中容易出現(xiàn)的因掉幀而導致的定位失敗的問題，本文采用建立局部地圖的方式，并使用關鍵幀與重定位兩種方法增強視覺里程計的穩(wěn)定性與魯棒性。最后，使用圖優(yōu)化的方法對視覺里程計進行了局部優(yōu)化以提高其定位精度，減小累計誤差。
　?、卺槍σ曈X里程計位姿計算不準確，誤差波動較大的問題，本文提出一種融合慣性元件的視覺里程計的優(yōu)化方法，將IMU信息加入到連續(xù)的兩幀圖像之間進行約

4、束。IMU信息在相鄰兩幀或相鄰兩個關鍵幀之間的測量值通過預積分計算出一個近似高斯分布的“偽”測量量，把這個“偽”測量量作為相鄰兩幀間的觀測量加入到優(yōu)化模型中。同時預積分方法能給出“偽”測量量相對于IMU零偏變化的雅克比矩陣，在IMU零偏有修正時可以直接計算雅可比矩陣的一階近似而不用算積分，從而減小計算量；另外在計算陀螺儀與加速度計的偏差時加入了重力信息以增強算法的魯棒性。最后用重投影誤差與IMU誤差建立圖優(yōu)化模型，用牛頓‐高斯法來求解得