提高SLAM(simultaneous localization and mapping)算法的精度和鲁棒性是解决室外移动机器人自主定位问题的关键。针对单目相机在室外复杂环境下易受到遮挡、相机移动过快、图像模糊以及机器人纯旋转下算法精度和鲁棒性下降、低精度IMU(...提高SLAM(simultaneous localization and mapping)算法的精度和鲁棒性是解决室外移动机器人自主定位问题的关键。针对单目相机在室外复杂环境下易受到遮挡、相机移动过快、图像模糊以及机器人纯旋转下算法精度和鲁棒性下降、低精度IMU(inertial measurement unit)的累积偏移等问题,提出了一种多目相机与IMU融合的方案--MCSI-VINS(multi-camera and single-IMU-visual inertial navigation system)。多相机的布置可弥补单目受到遮挡的情形,丰富的视觉信息可弥补低精度IMU带来的累积误差,融合IMU可解决相机移动过快、图像模糊、纯旋转情形下的定位问题。MCSI-VINS包括数据预处理、初始化和优化定位模块。此方法基于VINS-MONO(multi-camera and single-IMU-monocular)框架,而与VINS-MONO不同的是,在数据预处理阶段提出了一种基于队列数据结构构建缓冲区的方法,前端提出了一种基于主相机的初始化方法,在后端中添加了其他相机的误差项并对时间戳进行了优化。用基于ROS(robot operating system)的移动机器人进行实验表明,提出的算法较经典的单目、双目VINS算法相比,鲁棒性更强,精度更高。展开更多
文摘提高SLAM(simultaneous localization and mapping)算法的精度和鲁棒性是解决室外移动机器人自主定位问题的关键。针对单目相机在室外复杂环境下易受到遮挡、相机移动过快、图像模糊以及机器人纯旋转下算法精度和鲁棒性下降、低精度IMU(inertial measurement unit)的累积偏移等问题,提出了一种多目相机与IMU融合的方案--MCSI-VINS(multi-camera and single-IMU-visual inertial navigation system)。多相机的布置可弥补单目受到遮挡的情形,丰富的视觉信息可弥补低精度IMU带来的累积误差,融合IMU可解决相机移动过快、图像模糊、纯旋转情形下的定位问题。MCSI-VINS包括数据预处理、初始化和优化定位模块。此方法基于VINS-MONO(multi-camera and single-IMU-monocular)框架,而与VINS-MONO不同的是,在数据预处理阶段提出了一种基于队列数据结构构建缓冲区的方法,前端提出了一种基于主相机的初始化方法,在后端中添加了其他相机的误差项并对时间戳进行了优化。用基于ROS(robot operating system)的移动机器人进行实验表明,提出的算法较经典的单目、双目VINS算法相比,鲁棒性更强,精度更高。
