"A GPS-aided Omnidirectional Visual-Inertial State Estimator in Ubiquitous Environments "论文阅读
这里写目录标题
- "A GPS-aided Omnidirectional Visual-Inertial State Estimator in Ubiquitous Environments "论文阅读
-
论文摘要
近年来,视觉惯性导航系统(VINS)已经成为状态估计领域一种有实用价值的方法。在本文中,我们提出了一种通用GPS辅助的全方位相机视觉惯性状态估计方法,这种方法能够在各种环境和平台下使用。我们的系统由两部分组成:1.全景相机、惯性单元imu和GPS测量设备的预处理;2.基于非线性优化对状态进行精确估计的一种滑动窗口方法。我们在包括室内办公室、校园道路和有挑战性的露天水面等不同环境中对本文系统进行了测试。实验结果显示:相较于SOTA的Vins,本文方法在所有测试场景下都表现出更好的精度。本文将厘米级精度的RTK结果作为参考真值,在不开启回环检测的情况下,测试结果显示:本文视觉里程计漂移率,在存在过度曝光问题的长达1200m的户外道路环境下优于0.5%;在露天的水面环境下达到0.65%。
文章信息
Yu Y, Gao W, Liu C, et al. A gps-aided omnidirectional visual-inertial state estimator in ubiquitous environments[C]//2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE, 2019: 7750-7755. 论文地址
背景
大背景
无人机,无人车,无人船的导航,slam问题,VIO下的状态估计。
本文细分背景
户外中,特别是水面环境的无人机单目VIO+GPS的slam方案。
针对具体问题
在户外环境,现有的方法视觉端存在过曝、纹理稀少、远处图像平移太少等问题倒是关键帧的特征提取不足,特别在水面环境除了少部分海岸线没有稳定的环境特征参考,产生了VIO漂移过大的问题。
方法
对问题的回应
视觉方面,针对关键帧的特征问题,使用全方位相机采集更多的图像信息。
针对户外特点和相机的局限,使用GPS设备提供稳定的位姿估计辅助。
具体思路
在vinsmono上进行扩展,添加GPS的辅助,imu处理仍旧是预积分的方式,五对双目相机使用多个大视场相机,使用特征法,后端为滑动窗口滤波。
细节:
1.多个相机带来更好的匹配、更大的视野和更多的特征。
2.双目提供更快的初始化。
3.相机参数假设未知而进行在线标定。
4.imu使用kalibr进行标定。
5.GPS初始化之后直接可用,但是由于帧率低,只在可靠时使用,细节文中未细说,但代码开源。
实验
实验设置
在无人机平台上搭建了一个有十个双目相机、imu和gps的系统,使用厘米级的RTK作为参考真值。
相机分辨率752*480,15Hz,有硬件同步(重要);imu 400Hz;GPS 1Hz
实验结果
室内结果,在不开回环检测、双目和单目的情况下与现有的优秀的VIO对比,drift取绝对误差,结果良好。实验为对同一段17.52米长的数据,十次测量的平均结果。
室外结果,重点对比了GPS是否辅助的效果。
特别在本文特色的水面环境下:
结论
主要创新点
针对户外场景,在Vinsmono上,增加多朝向的多目相机视觉部分和GPS信息辅助解算。
特色是对水面场景的优化。
小技巧
去除外点不仅用了常见的在2d-2d匹配中进行,还添了一个3D-2D Pnp过程中的RANSAC。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)