视觉惯导SLAM-章国锋.pdf

preview
需积分: 0 18 下载量 101 浏览量 更新于2019-05-21 1 收藏 1.27MB PDF 举报
视觉惯导SLAM技术是结合了计算机视觉和惯性导航系统(Inertial Navigation System,INS)的一种同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)方法。这种技术特别适用于机器人和自动驾驶车辆等应用场景,能够在GPS信号不可用或不准确的环境中,提供准确的位置和地图信息。章国锋在其研究中,以浙江大学CAD&CG国家重点实验室VISLAM项目为背景,对视觉惯导SLAM进行了深入的研究和阐述。 我们从IMU(Inertial Measurement Unit,惯性测量单元)模型说起。IMU是SLAM中重要的传感器,其作用是测量物体在三维空间中的三轴角速度和加速度。IMU的高采样频率确保了可以以非常高的频率获取数据,而且工作稳定性高,不易出现故障。IMU提供的数据可以用于计算物体的旋转、速度和平移信息,对于飞行器等应用尤其重要。此外,IMU能够提供尺度信息,这对于使用单目相机进行SLAM尤为重要,因为单目相机的尺度信息是不确定的。然而,IMU也存在缺点,比如噪声较大且难以校准,以及双重积分可能会引起较大的误差漂移。 在视觉惯导SLAM中,IMU噪声模型是一个重要考虑因素。噪声模型通常会考虑加性白噪声和缓慢增长的偏差。IMU的噪声影响通常通过Allan偏差方法进行标定。在VISLAM的状态定义中,状态不仅包括了位置和姿态,还包括了速度和IMU的偏差项。IMU误差状态的定义有助于在预积分阶段对噪声进行分析和补偿。 基于IMU预积分的状态估计是解决IMU数据处理的数学模型。在SLAM中,由于状态变化是连续的,因此IMU积分可以分为连续时间积分和离散时间积分两种形式。连续时间积分通常用于理论推导,而离散时间积分则更贴近实际应用。在进行预积分计算时,需要假设IMU采样时间保持不变,并且已经同步了IMU的时间戳和图像的时间戳。此外,还要假设全球坐标系下的重力加速度已知,以及两帧图像之间的偏置保持不变。 预积分过程中,对图像帧i和j之间的IMU进行积分时,定义了两帧之间的相对运动增量,以表示其与时刻状态无关。这个过程中,预积分项噪声的增长和误差向量的处理尤为重要,它们需要利用李代数的运算规则进行扰动的“移动”和“重排”。为了简化增量计算,可以将其表示为递推公式。 在视觉惯导SLAM的发展历程中,2003年以来,单目相机成为SLAM研究的焦点,其体积小、价格低廉和不受视觉上距离范围限制的优点使其广受欢迎。在最近几年,已经涌现出了大量优秀的单目SLAM算法,如LSD-SLAM、ORB-SLAM、SVO等。这些算法在某些方面可以与基于IMU的系统相融合,以解决单目视觉SLAM中的尺度不确定性问题。例如,明尼苏达大学在2007年提出的MSCKF、苏黎世大学在2013年提出的OKVIS、以及2015年推出的SVO+IMU,都是将IMU与单目相机结合以改善SLAM性能的实例。 视觉惯导SLAM将视觉传感器和IMU的优势结合起来,克服了各自单独使用时的局限性,提升了SLAM系统的准确性和鲁棒性。章国锋的暑期学校PPT对于学习和研究视觉与惯导融合的SLAM领域的研究者而言,是一个值得推荐的资料。通过这些理论和技术的学习,研究者们可以更好地理解视觉惯导SLAM,并在实际应用中发挥其巨大的潜力。
身份认证 购VIP最低享 7 折!
30元优惠券