精确的位姿估计以及对周围环境中的障碍物的实时感知,是探测器在火星表面进行自主漫游的基础.然而,火星探测器受到自身质量、体积和能源供应等因素的影响,计算资源和设备功率受到严格限制,这给感知系统的设计与实现提出了挑战.本文针对...精确的位姿估计以及对周围环境中的障碍物的实时感知,是探测器在火星表面进行自主漫游的基础.然而,火星探测器受到自身质量、体积和能源供应等因素的影响,计算资源和设备功率受到严格限制,这给感知系统的设计与实现提出了挑战.本文针对火星探测器计算资源严重受限的问题,设计了一种基于视觉-惯性多传感器滤波融合的智能感知系统,其主要包括两个模块:1)基于多状态约束卡尔曼滤波MSCKF(multi state constrained Kalman filter)算法的视觉-惯性里程估计模块,实现了相对误差小于1.5%的较高定位精度;2)使用GPU加速的高程地图构建算法,实现了稠密地形图的实时构建.其中,高程地图与机器人位姿采用概率最优的方式进行融合,保证了感知系统整体的概率一致性.相比于现有感知系统,本文所提出的方法可以仅使用双目视觉和IMU实现机器人的位姿估计和周围环境高程地图的构建,并通过合理的算法设计、GPU硬件加速等方法,最终整套系统在30W板载系统上实现了位姿估计输出频率400Hz、地图输出频率4.2Hz的实时运行效果,充分验证了本系统的轻量化特性,能够有效应用于火星车的自主探测任务.展开更多
文摘精确的位姿估计以及对周围环境中的障碍物的实时感知,是探测器在火星表面进行自主漫游的基础.然而,火星探测器受到自身质量、体积和能源供应等因素的影响,计算资源和设备功率受到严格限制,这给感知系统的设计与实现提出了挑战.本文针对火星探测器计算资源严重受限的问题,设计了一种基于视觉-惯性多传感器滤波融合的智能感知系统,其主要包括两个模块:1)基于多状态约束卡尔曼滤波MSCKF(multi state constrained Kalman filter)算法的视觉-惯性里程估计模块,实现了相对误差小于1.5%的较高定位精度;2)使用GPU加速的高程地图构建算法,实现了稠密地形图的实时构建.其中,高程地图与机器人位姿采用概率最优的方式进行融合,保证了感知系统整体的概率一致性.相比于现有感知系统,本文所提出的方法可以仅使用双目视觉和IMU实现机器人的位姿估计和周围环境高程地图的构建,并通过合理的算法设计、GPU硬件加速等方法,最终整套系统在30W板载系统上实现了位姿估计输出频率400Hz、地图输出频率4.2Hz的实时运行效果,充分验证了本系统的轻量化特性,能够有效应用于火星车的自主探测任务.
