检索结果-内蒙古大学图书馆

中国惯性技术学报 2021年第2期29卷 221-228,236页

作者：王磊程向红李进王乐安徽科技学院电气与电子工程学院蚌埠233100 东南大学微惯性仪表与先进导航技术教育部重点实验室南京210096

针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法。将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模... 详细信息

针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法。将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模型多状态约束卡尔曼滤波(IMM-MSCKF)算法。该算法以MSCKF为模型匹配子滤波器,将各子滤波器的输入、输出进行交互融合,实现对VIO系统状态估计。通过KITTI数据集对IMM-MSCKF算法进行了仿真验证,该算法姿态和水平位置估计均方根误差分别为0.36°和11.62 m,相比于EKF和MSCKF算法,其姿态估计精度分别提升了56%和41%,其水平位置估计精度分别提升了51%和81%,仿真结果表明该算法具有更好的估计精度和鲁棒性。

关键词：视觉惯性里程计双目立体视觉多状态约束卡尔曼滤波器交互多模型滤波器组合导航

来源：评论

学校读者我要写书评

暂无评论

基于多状态卡尔曼滤波的双目视觉导航设计

引用

兵器装备工程学报 2020年第6期41卷 169-173页

作者：赵中堂吴庆涛郑州航空工业管理学院智能工程学院郑州450015

提出了一种改进的多状态约束卡尔曼滤波器(IMSCKF)双目视觉惯性导航算法。该算法在初始阶段采用Sigma滤波器和三焦点张量约束快速完成初始化,产生的状态向量与MSCKF一致,可以实现初始化和后续导航之间的无缝过渡,提高了系统状态估计的... 详细信息

提出了一种改进的多状态约束卡尔曼滤波器(IMSCKF)双目视觉惯性导航算法。该算法在初始阶段采用Sigma滤波器和三焦点张量约束快速完成初始化,产生的状态向量与MSCKF一致,可以实现初始化和后续导航之间的无缝过渡,提高了系统状态估计的精度和鲁棒性。实验结果表明,本文提出的IMSCKF方法位置跟踪误差维持在±1 mm,角度误差维持在±1°,可以提高双目视觉惯性导航的鲁棒性和精度。

关键词：轨迹跟踪多状态约束卡尔曼滤波器三焦点张量 sigma滤波器

来源：评论

学校读者我要写书评

暂无评论

基于视觉与惯导的ROV组合导航方法研究

基于视觉与惯导的ROV组合导航方法研究

引用

作者：杨启航西安理工大学

学位级别：硕士

有缆遥控式水下机器人(Remotely Opcratcd Vehicle,ROV)的导航定位技术在海洋探测工程中起着至关重要的作用,是ROV准确完成海底地形勘测、深海资源勘探、水下考古、生物调查、水下管道监测等任务的基本前提。虽然ROV已经普遍应用到实际... 详细信息

有缆遥控式水下机器人(Remotely Opcratcd Vehicle,ROV)的导航定位技术在海洋探测工程中起着至关重要的作用,是ROV准确完成海底地形勘测、深海资源勘探、水下考古、生物调查、水下管道监测等任务的基本前提。虽然ROV已经普遍应用到实际工程中,但是目前水下导航定位方法大多成本较高或严重依赖外界信息,在鲁棒性、稳定性和精确性等方面制约了海洋探测技术的发展。因此本文面向海洋探测工程中ROV更高性能水下导航定位算法的需求,基于多状态约束卡尔曼滤波器(Multi-State Constraint Kalman Filter,MSCKF),将惯性测量单元(lnertial Measurement Unit,IMU)与视觉传感器相结合,借助图像信息弥补IMU产生的累计误差,从惯性测量值与图像预处理、数据融合技术和位姿修正三个角度进行了深入的理论分析,利用数据集和实物测试验证了导航定位算法的准确性和鲁棒性。本文具体研究内容如下: (1)详细阐述了视觉/惯导融合定位的研究现状和发展历程,强调了本文的研究意义。继而介绍了系统传感器模型,对惯导定位的解算过程进行介绍,对误差来源进行分析与建模,并利用水下图像增强算法对视觉信息进行优化进而提取图像特征。 (2)对基于滤波的视觉与惯导融合算法MSCKF进行研究,在图像处理部分进行特征点检测、匹配跟踪与误匹配剔除,采用紧耦合的方案将图像特征与IMU数据进行融合,详尽推导了基于滤波的视觉与惯导融合算法的理论和公式,选取了系统状态向量并基于系统的运动模型和观测模型进行滤波器的设计,深入探讨了包含系统状态预测、状态增广以及滤波器观测更新在内的位姿解算方案,最终得到机体的位置与姿态信息。 (3)针对系统运动估计存在的累积误差,根据两种不同情况进行纠正:在ROV经过历史位置的情况下,进行水下回环检测与校正;在ROV不经过历史位置的情况下,则利用已知标志点进行外环位姿修正。通过词袋模型建立了水下视觉字典进行相似度计算来评估两幅图像是否构成回环,给出了回环候选帧筛选策略并采用几何约束对改进的水下回环识别进行研究,最后阐述了标志点检测的过程,对机体位姿进行修正。 (4)通过KITTI数据集仿真,与滑动窗口滤波算法进行了对比分析,仿真结果表明了本文研究的定位算法具有较高的准确性和实时性,且能够较好地检测到视觉回环。利用已知标志点进行位姿修正,仿真误差减小了23.07%,有效降低了位姿估计的累积误差。基于BlueROV开源软硬件搭建了实验平台,通过实验方案设计分别在室内水箱和室外水池开展水下实验,证明本文方法的有效性。最终结果表明,本文算法能有效地提升系统位姿估计的精度。

关键词：水下导航定位视觉惯导融合多状态约束卡尔曼滤波器位姿修正

来源：评论

学校读者我要写书评

暂无评论

声源-视觉惯性激光SLAM融合定位方法

声源-视觉惯性激光SLAM融合定位方法

引用

作者：陆科帆天津理工大学

学位级别：硕士

同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是移动机器人领域重要的研究方向,受到了学者们的广泛关注。传统的单传感器SLAM往往受到复杂环境的制约,例如:视觉相机会在光照不足、特征缺失等场景下跟踪失败,惯性测... 详细信息

同时定位与地图构建(Simultaneous Localization and Mapping,SLAM)是移动机器人领域重要的研究方向,受到了学者们的广泛关注。传统的单传感器SLAM往往受到复杂环境的制约,例如:视觉相机会在光照不足、特征缺失等场景下跟踪失败,惯性测量单元存在位姿累计误差。而多传感器融合SLAM能将不同的传感器数据进行优化的同时,结合各传感器之间的优势,满足移动机器人在未知环境下的定位、建图需求。因此,多传感器融合SLAM成为SLAM技术的主要发展方向之一。本文通过将视觉相机、惯性测量单元、麦克风阵列等传感器进行融合,提高相机特征跟踪,以及移动机器人定位的鲁棒性和精度。本文的主要内容为: (1)针对麦克风声源阵列定位易受环境噪声影响的问题,提出了一种基于麦克风阵列的声源定位的参数优化方法,旨在提高定位的准确性。首先,选择了稳态小波变换(Stationary Wavelet Transform,SWT)来降低麦克风信号中的噪音。其次,引入了灰狼优化(Grey Wolf Optimization,GWO)算法,对基于到达时间差(Time Difference of Arrival,TDOA)的麦克风阵列的参数进行优化。最后,通过使用混沌序列和信息熵改进GWO算法,以增强其探索和开发能力。经仿真实验验证,在高噪声环境下,SWT-IGWO(Improved Grey Wolf Optimization,IGWO)方法在绝对误差较GWO方法提高了38.1%-51.6%。结果显示所提SWT-IGWO方法能够提高基于麦克风阵列的声源定位的准确性。 (2)针对视觉里程计在低纹理、暗光环境下,特征匹配跟踪缺失的问题,提出了一种位姿估计方法,采用多状态约束卡尔曼滤波器(Multi-State Constraint Kalman Filter,MSCKF)将轮式里程计与视觉信息结合,以提升移动机器人的定位性能。首先,在视觉预处理阶段使用光流法进行特征点跟踪和基础矩阵计算,以提高特征点的稳健性。其次,在轮式里程计数据处理阶段通过计算轮式里程计的姿态增量,更新全局坐标系方向矩阵和位置向量。最后,在视觉处理阶段使用视觉里程计位姿计算相机自身位姿,并通过滑窗视觉更新器将新的图像帧集成到系统状态中。在公开数据集中所提方法,在MH＿01序列中,改进算法在绝对位移误差和相对位移误差的均方根误差较MSCKF-VIO(Visual-Inertial Odometry,VIO)分别降低了42.3%、54.9%。 (3)针对视觉惯性里程计在位姿估计后期出现轨迹漂移的问题,提出了一种基于VINS-Fusion的改进里程计位姿估计优化方法。首先,在视觉前端采用KLT(Kanade-Lucas-Tomasi,KLT)稀疏光流算法进行特征点跟踪,同时通过检测器维护特征点数量。IMU(Inertial Measurement Unit,IMU)预积分采用了有效的预积分方法,提高了状态估计的计算效率。2D激光雷达和声源融合引入了激光雷达的距离信息以增强声源定位系统。其次,初始化阶段分为视觉和IMU初始化,以及声源初始化,通过图像序列和声音传感器进行定位初始化。最后,后端负责融合多传感器信息,通过优化和滤波提高移动机器人定位的精度。实验证明,经过声源定位改进的VINS-Fusion在位姿估计后期表现出了良好的鲁棒性。

关键词：声源定位轮式里程计多传感器融合SLAM 多状态约束卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于测距信息辅助深度优化的低空飞行器单目视觉惯性里程计

引用

导航定位与授时 2024年第6期11卷 100-112页

作者：朱倩倩张迪赖际舟王大元吕品袁诚雍成优南京航空航天大学自动化学院中国人民解放军93160部队北京自动化控制设备研究所

在卫星拒止的未知场景中，视觉惯性融合技术可作为卫星的有效替代，为飞行器提供准确的导航信息。然而在低空场景中，传统视觉惯性里程计(VIO)方案存在尺度估计不准确、容易发散及精度较低等问题。针对上述问题，提出了一种由激光测距仪... 详细信息

在卫星拒止的未知场景中，视觉惯性融合技术可作为卫星的有效替代，为飞行器提供准确的导航信息。然而在低空场景中，传统视觉惯性里程计(VIO)方案存在尺度估计不准确、容易发散及精度较低等问题。针对上述问题，提出了一种由激光测距仪/气压高度计辅助深度优化的低空飞行器单目VIO方案，以改善尺度恢复的准确性。首先，设计了基于基线约束及参考高度的鲁棒深度估计初始化方法，通过约束基线长度以提高三角化的准确性，并构建了由参考高度辅助的初始深度筛选机制以实现对深度结果的优选。随后，提出了一种基于机动状态和平面假设的深度自适应填充策略，旨在抑制尺度缺失引发的定位发散问题。最后，基于多状态约束卡尔曼滤波器(MSCKF),融合惯性以及被测距信息修正的视觉信息对飞行器位姿进行更新。为验证所提方法，构建了搭载视觉/惯性/测距传感器的无人机试验平台，并在低空场景下开展试验验证。结果表明，与传统算法相比，所提方法定位精度平均提升61%。

关键词：视觉惯性里程计多状态约束卡尔曼滤波器低空飞行器尺度恢复测距传感器

来源：评论

学校读者我要写书评

暂无评论

面向室内场景的改进MSCKF视觉-惯性里程计算法

引用

无人系统技术 2024年第3期7卷 54-66页

作者：邹珺婧孙骞刘瓦许自强陈浩哈尔滨工程大学信息与通信工程学院哈尔滨150001 哈尔滨工程大学先进船舶通信与信息技术工业和信息化部重点实验室哈尔滨150001 武汉船舶通信研究所武汉430010

搭载高帧率传感器的载体在室内快速运动时,其使用的视觉惯性里程计(VIO)算法存在计算负载高和定位精度下降等问题。针对此问题提出一种面向室内场景的改进多状态约束卡尔曼滤波器的VIO算法。首先,基于梯度和特征值对特征点检测结果进行... 详细信息

搭载高帧率传感器的载体在室内快速运动时,其使用的视觉惯性里程计(VIO)算法存在计算负载高和定位精度下降等问题。针对此问题提出一种面向室内场景的改进多状态约束卡尔曼滤波器的VIO算法。首先,基于梯度和特征值对特征点检测结果进行约束,提高特征点的提取质量进而提升算法的位姿估计精度;然后,使用一维逆深度参数化地图点进行状态增广,降低算法的计算复杂度以提高系统处理速度;最后,分别在公开数据集EuRoC与真实场景下进行了实验,从算法的轨迹估计精度、处理时间以及CPU使用占比率方面对所提算法进行了全面评估。实验结果表明,相较于S-MSCKF、VINS-Mono和PL-VIO三种主流VIO方法,所提算法的定位精度至少提升了19.18%,在确保精度的同时拥有较低的处理时间和CPU占有率,保证了系统的实时性。

关键词：多状态约束卡尔曼滤波器单目视觉惯性里程计室内快速运动环境定位传感器帧率一维逆深度参数化计算复杂度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：