论文部分内容阅读
随着科技的发展，人们的生活方式随之发生改变，对于室内环境下的定位需求越来越大。然而基于GPS的定位技术已无法广泛应用在室内环境中，取而代之的是视觉定位方法。随着视觉传感器的发展与进步，深度相机成为视觉定位中常用的视觉传感器，深度相机可直接获取深度信息的优点受到广大研究者的青睐。但纯视觉的定位算法易受环境状态影响，导致定位精度不高。针对视觉定位系统的定位精度不高的问题，本文采用深度相机与IMU（惯性测量单元）融合的方法进行定位算法研究，在系统的后端部分改进关键帧选择的算法，从而提高系统的定位精度和减少系统的运行时间。具体研究内容如下：
1.针对视觉惯性定位系统中的基础理论进行研究，包括对三维空间刚体变换的理论、深度相机的原理与结构、相机的标定实验和非线性优化问题的研究。
2.针对视觉里程计和IMU的运动估计问题进行研究，采用ORB算法提取特征点，进行暴力匹配并使用RANSAC剔除误匹配点对。通过P3P方法求解相机的位姿，并采用BA优化位姿估计值。针对IMU的运动估计进行推导，并用imu_utils和Kalibr分别标定出IMU的内参和联合标定出相机与IMU的外参。
3.针对视觉惯性定位系统的后端优化问题进行研究，计算IMU的陀螺仪初始漂移量、速度和重力加速度。对关键帧选择方法进行改进，提高系统的定位精度和减少运行时间。基于系统的融合优化问题采用滑动窗口优化方式，并通过边缘化方式更新滑动窗口中的数据。实验结果表明与常用的算法相比，改进的关键帧选择算法定位误差减小了31.2%，总运行时间减少了5s，改进后的算法定位精度更高、运行时间更短。
4.分别在数据集和实际场景下验证了本文算法的有效性和性能。数据集下的测试实验结果表明本文系统的定位效果比okvis系统更好，定位误差减少了15.7%；总运行时间减少了6.6s；后端的实时性低于okvis，后端平均耗时比okvis系统高6.7ms。实际场景下的实验结果表明本文系统的有效性，实时性能满足实际应用，定位精度高于纯视觉的定位算法。
1.针对视觉惯性定位系统中的基础理论进行研究，包括对三维空间刚体变换的理论、深度相机的原理与结构、相机的标定实验和非线性优化问题的研究。
2.针对视觉里程计和IMU的运动估计问题进行研究，采用ORB算法提取特征点，进行暴力匹配并使用RANSAC剔除误匹配点对。通过P3P方法求解相机的位姿，并采用BA优化位姿估计值。针对IMU的运动估计进行推导，并用imu_utils和Kalibr分别标定出IMU的内参和联合标定出相机与IMU的外参。
3.针对视觉惯性定位系统的后端优化问题进行研究，计算IMU的陀螺仪初始漂移量、速度和重力加速度。对关键帧选择方法进行改进，提高系统的定位精度和减少运行时间。基于系统的融合优化问题采用滑动窗口优化方式，并通过边缘化方式更新滑动窗口中的数据。实验结果表明与常用的算法相比，改进的关键帧选择算法定位误差减小了31.2%，总运行时间减少了5s，改进后的算法定位精度更高、运行时间更短。
4.分别在数据集和实际场景下验证了本文算法的有效性和性能。数据集下的测试实验结果表明本文系统的定位效果比okvis系统更好，定位误差减少了15.7%；总运行时间减少了6.6s；后端的实时性低于okvis，后端平均耗时比okvis系统高6.7ms。实际场景下的实验结果表明本文系统的有效性，实时性能满足实际应用，定位精度高于纯视觉的定位算法。