论文部分内容阅读
同时定位与地图构建(simultaneous localization and mapping,SLAM)系统以摄像机为主要传感器,估计摄像机位姿和构建环境地图,在实现无人机的自主飞行中取得了较大进展。本文针对基于视觉特征的SLAM系统在图像模糊、运动过快和特征不足时跟踪易失败的问题,提出了一种基于紧耦合的非线性优化的立体视觉—惯导SLAM(visual inertial SLAM,VI-SLAM)系统。首先,以关键帧的位姿作为约束,初始化惯性测量单元(IMU)的偏差,并根据IMU预积分预测当前帧的位姿;然后,在后端优化中采取非线性局部平滑的方法,融合视觉SLAM的位姿估计与IMU预积分;并通过闭环检测消除累积误差,保持全局地图的一致性。由于视觉SLAM算法构建的稀疏地图不能应用于无人机的自主飞行,本文将稀疏特征点地图扩展为稠密的八叉树地图。通过EuRoC数据集验证该系统的性能,本文所提出的基于紧耦合的非线性优化VI-SLAM算法较视觉SLAM导航算法平均精度提升了1倍左右。并将该算法应用于搭建的四旋翼无人机平台上,验证了算法的有效性和稳健性。本文的主要工作和成果如下:1、相机获取的图像包含了丰富的环境信息,但对快速运动敏感;IMU传感器频率高、依赖少,但存在测量漂移;二者的互补性适合于融合。本文在视觉SLAM系统ORB-SLAM2的基础上,提出了立体视觉—惯导SLAM系统,通过多线程并行处理,能够闭环和重复使用地图。2、针对双目视觉与惯导信息融合的SLAM系统中惯导的偏差及噪声问题。首先以关键帧的位姿作为约束估计惯性测量单元(IMU)的偏差,然后根据IMU预积分预测当前帧的位姿,作为估计位姿的初始值。由于使用双目相机可以计算特征点的深度信息,减小了IMU初始化过程中的计算复杂度。3、提出了采用非线性优化的紧耦合立体视觉—惯导SLAM系统,在优化过程中同时考虑视觉SLAM的位姿估计和IMU预积分的约束。采用非线性局部平滑方法,在滑动窗口内对关键帧的位姿和IMU预积分进行优化处理,并对IMU的偏差进行更新。最后由闭环检测对系统的累积误差进行消除,得到全局一致的地图。4、本文将基于双目相机的地图构建方法进行改进,由稀疏特征地图扩展为稠密的八叉树地图形式。解决了ORB-SLAM2系统创建的稀疏特征地图不能用于无人机导航的问题。最后通过Euroc数据集进行实验评估,验证算法在实际应用中的性能。