在智能手機和互聯(lián)網(wǎng)的普及狀態(tài)下,對高精度定位技術的需求也更加顯著,精確定位服務已滲透到各個領域,如物聯(lián)網(wǎng)、無人駕駛、機器快遞員、應急救援等。在室外環(huán)境下,這些服務大多由全球衛(wèi)星導航系統(tǒng)提供;然而,在深山叢林、礦井隧道、地下室等室內環(huán)境下,由于信號衰減及多徑效應的影響,GPS無法正常工作。本文針對一些特殊的室內場景,研究了基于松耦合濾波的視覺慣性融合導航方法,設計了一個面向智能手機平臺的室內行人定位系統(tǒng)。該方法視覺前端采用了快速、穩(wěn)健的稀疏直接法,后端采用了擴展卡爾曼濾波器來融合慣性信息,能夠有效融合視覺和慣性信息,達到恢復單目視覺尺度、提高穩(wěn)健性的效果,實現(xiàn)了高精度的室內行人定位。 

【文章來源】：測繪通報. 2020,(02)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

鏡頭暈影

為了定義系統(tǒng)的誤差狀態(tài)，這里使用誤差四元數(shù)來表示姿態(tài)，誤差四元數(shù)的表達能夠提高系統(tǒng)的數(shù)值穩(wěn)定性，且能夠保持四元數(shù)的最小表達。誤差四元數(shù)[15]可以寫成如下形式因此，誤差形式的狀態(tài)變量X可以寫成一個16維的向量

該系統(tǒng)將視覺里程計前端視作一個6自由度的位姿傳感器，然后使用EKF算法融合慣性信息。如圖3所示，在整個流程中，利用IMU測量值和視覺里程計輸出值用作EKF的輸入，進行狀態(tài)預測和更新，相機圖像通過DSO算法計算出一個6自由度的位姿，然后作為觀測量用于EKF的狀態(tài)更新。將預測模型和觀測模型合并起來，就得到了傳統(tǒng)的EKF計算過程，具體來講，EKF濾波器通過IMU測量的加速度、角速度信息進行狀態(tài)預測，通過視覺前端測量的位置、姿態(tài)信息進行狀態(tài)更新，不斷更新、修正，得到最終的狀態(tài)估計結果。具體過程如下所示:

【參考文獻】：
期刊論文
[1]基于間接EKF的MEMS慣性系統(tǒng)最優(yōu)姿態(tài)估計[J]. 孫偉,吳家驥.  傳感技術學報. 2019(01)
[2]基于直接法與慣性測量單元融合的視覺里程計[J]. 劉艷嬌,張云洲,榮磊,姜浩,鄧毅.  機器人. 2019(05)
[3]基于偏振雙目視覺的無紋理高反光目標三維重構[J]. 平茜茜,劉勇,董欣明,趙永強,張艷.  紅外與毫米波學報. 2017(04)
[4]稀疏和稠密的VSLAM的研究進展[J]. 林輝燦,呂強,張洋,馬建業(yè).  機器人. 2016(05)



本文編號：3215178