论文部分内容阅读
近几年,随着计算机硬件和计算机视觉技术的迅猛发展,移动机器人的同时定位与建图技术(Simultaneous Localization and Mapping,SLAM)得到了很大的突破,由于单目相机具有体积小且易安装等优点,单目视觉SLAM技术成为了移动机器人主动式定位领域中的研究重点。然而单目相机本身存在尺度不确定性问题,系统无法正确地度量环境从而导致其无法应用在实际的导航应用中,而通过融合惯性导航传感器(Inertial Measurement Unit,IMU)的测量信息,单目SLAM系统可以正确地恢复出尺度因子,同时得到更高的精确度和更强的鲁棒性。借助非线性优化的多传感器融合技术,本文在单目视觉SLAM的工程基础上改进并构建了一个基于非线性优化算法和紧耦合的单目VINS(Visual Inertial Navigation System)系统。由于基于非线性优化的定位与建图技术本质上是一个状态估计问题,所以本文首先对已有的视觉SLAM系统进行了相关分析,在分析了融合IMU数据的单目VINS的状态估计问题后,以预积分的形式引入了IMU的测量信息,并进一步得到IMU的测量误差项和对应的雅克比矩阵,以图优化的方式求解实际的非线性优化问题。在工程实现上,本文以单目ORBSLAM为基础,设计并实现了一套完整的单目VINS系统。由于IMU测量信息的引入使得系统状态变量初始值的估计更加复杂,本文采用一种有效且实用的初始化方法,即将IMU初始化与视觉初始化分开计算,并在IMU初始化时对各变量进行解耦,分别估计陀螺仪偏差、重力向量、尺度因子、加速度偏差和线性速度。本文针对运动跟踪、构建地图和闭合回环三个主要线程进行了融合IMU的相应改进工作。主要包括:提出了一种基于联合IMU模型的运动估计方法;改进了构建地图时的局部优化以及闭环校正后的位姿优化和全局优化。最后本文在公开数据集EuRoC上测试了单目VINS系统,实验结果显示了IMU的初始化步骤成功地恢复了系统的尺度因子,解决了尺度不确定性问题,并且能够实时地估计运动变量和构建地图,同时具有较高的精确度,系统鲁棒性也有所提升。