鲁棒的非线性优化的立体视觉-惯导SLAM

摘要：

针对基于视觉特征的同时定位与地图构建(SLAM)系统在图像模糊、运动过快和特征缺失的情况下存在鲁棒性和精度急剧下降甚至失败的问题,提出了紧耦合的非线性优化的立体视觉-惯导SLAM系统.首先,以关键帧的位姿作为约束,采用分而治之的策略估计惯性测量单元(IMU)的偏差.在前端,针对ORB-SLAM2在跟踪过程中由于运动过快导致匀速运动模型失效的问题,通过预积分上一帧到当前帧的IMU数据,预测当前帧的初始位姿,并在位姿优化中加入了IMU预积分约束.然后,在后端优化中,在滑动窗口内优化关键帧的位姿、地图点和IMU预积分,并更新IMU的偏差.最后,通过EuRoC数据集验证该系统的性能,对比ORB-SLAM2系统、VINS-Mono系统和OKVIS系统,该系统的精度分别提高了1.14倍、1.48倍和4.59倍;相比前沿的SLAM系统,该系统在快速运动、图像模糊和特征缺失条件下的鲁棒性也得到了提高.

关键词：计算机视觉、同时定位与地图构建、传感器融合、视觉-惯导系统、紧耦合、状态估计

所属期刊栏目：40

分类号：TP242.6(自动化技术及设备)

资助基金：国家自然科学基金61663014

在线出版日期：2018-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：911-920