检索结果-内蒙古大学图书馆

中国惯性技术学报 2025年第2期33卷 140-146页

作者：汤琴琴王立喜侍经纬李春辉刘云平敖洋钒无锡学院轨道交通学院无锡214015 南京信息工程大学自动化学院南京210016 梅特勒-托利多测量技术有限公司常州213001

为提高无人机在快速移动、光照变化大等复杂环境下的位姿精度,设计了一种单目事件相机/单目标准相机/惯性测量装置(IMU)融合的视觉惯性里程计。首先利用IMU的角速度和视觉惯性里程计后端的线速度补偿事件帧的旋转和平移,生成高质量事件... 详细信息

为提高无人机在快速移动、光照变化大等复杂环境下的位姿精度,设计了一种单目事件相机/单目标准相机/惯性测量装置(IMU)融合的视觉惯性里程计。首先利用IMU的角速度和视觉惯性里程计后端的线速度补偿事件帧的旋转和平移,生成高质量事件帧;其次采用BEBLID描述子提取算法增强事件帧和标准帧的特征匹配能力,使用基于帧的特征跟踪方法对事件帧和标准帧进行独立跟踪,结合随机抽样一致算法和三角测量进行深度估计,并以基于优化的方式将三种传感器进行紧耦合。最后在UZH-FPV数据集上进行了实验验证。实验结果表明,在明暗变化大的场景下,所提方法的无人机平均绝对定位误差相比PL-EVIO减小了19.6%;在高速场景下,相比Ultimate SLAM减小了46.9%。

关键词：事件相机视觉惯性里程计运动补偿图像匹配无人机

来源：评论

学校读者我要写书评

暂无评论

基于稀疏直接法的水下单目视觉惯性里程计

引用

测绘通报 2025年第1期 94-100页

作者：王益美黄琰冯浩中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110169 中国科学院大学北京100049

针对水下视觉导航在弱纹理环境下定位精度低及稳健性较差的问题,本文提出了一种基于稀疏直接法的水下单目视觉惯性里程计。该方法基于像素灰度不变的假设,通过优化光度误差估计相机位姿,避免了特征点提取和匹配的复杂过程,从而提高了导... 详细信息

针对水下视觉导航在弱纹理环境下定位精度低及稳健性较差的问题,本文提出了一种基于稀疏直接法的水下单目视觉惯性里程计。该方法基于像素灰度不变的假设,通过优化光度误差估计相机位姿,避免了特征点提取和匹配的复杂过程,从而提高了导航的实时性和稳健性;同时,结合惯性测量单元(IMU)的数据,利用误差状态卡尔曼滤波(ESKF)进行数据融合进一步减小误差,以提高自主水下机器人(AUV)在水下复杂环境导航的稳定性和精度。试验结果表明,误差达厘米级且与单纯的视觉算法相比,有所减小,证明了该系统能够有效融合视觉和惯性信息,在水下导航领域具有较高的精度和稳健性。

关键词：稀疏直接法自主水下机器人惯性测量单元视觉惯性里程计误差状态卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

基于互相关和旋转约束的视觉惯性里程计在线时间校准算法

引用

计算机应用研究 2025年第1期42卷 288-292页

作者：蒙军杰熊军林中国科学技术大学信息科学技术学院合肥230026

在融合相机和惯性测量单元(IMU)的数据推测机器人的运动轨迹时,传感器测量记录的时间点对用于估计轨迹的视觉惯性里程计(VIO)的鲁棒性和准确性至关重要。然而,由于传感器数据到达接收端的延迟存在差异,图像数据流和IMU数据流之间通常存... 详细信息

在融合相机和惯性测量单元(IMU)的数据推测机器人的运动轨迹时,传感器测量记录的时间点对用于估计轨迹的视觉惯性里程计(VIO)的鲁棒性和准确性至关重要。然而,由于传感器数据到达接收端的延迟存在差异,图像数据流和IMU数据流之间通常存在不可避免的时间偏置,为此提出了一种基于互相关和旋转对齐的视觉惯性里程计在线时间校准的算法。首先使用对极几何和预积分算法分别得到相机和IMU各自的相对位姿,并计算出相机的角速度;然后根据相机与IMU的角速度进行互相关计算,得到初步的时间偏置估计;最后利用相机和IMU相对位姿进行旋转约束,通过优化误差函数得到更精确的相对时间偏置估计,该时间偏置值随后用于平移传感器的时间轴以进行校准。实验表明,该算法能够减缓时间偏置对里程计精度带来的影响,并使得VIO能够在具有更大时间偏置范围的数据流下稳定运行。

关键词：在线时间校准旋转约束视觉惯性里程计

来源：评论

学校读者我要写书评

暂无评论

融合事件的点线特征法视觉惯性里程计

引用

兵工学报 2024年第11期45卷 3926-3937页

作者：刘毓敏蔡志浩孙家岭赵江王英勋北京航空航天大学自动化科学与电气工程学院北京100191 北京航空航天大学无人系统研究院北京100191

视觉惯性里程计是机器人实现自主定位的关键技术,事件相机作为一种异步视觉传感器,与传统相机具有互补的特点。针对低光照、光照大幅度变化和高速运动场景,对事件相机的输出和传统图像进行融合,并结合惯性测量单元进行实时点线特征法视... 详细信息

视觉惯性里程计是机器人实现自主定位的关键技术,事件相机作为一种异步视觉传感器,与传统相机具有互补的特点。针对低光照、光照大幅度变化和高速运动场景,对事件相机的输出和传统图像进行融合,并结合惯性测量单元进行实时点线特征法视觉惯性里程计研究。提出一种从事件流生成事件图像的算法,设计融合事件的点线特征检测方法;基于视觉-惯性紧耦合的思想,设计后端滑动窗口优化算法;进行数据集试验验证和无人机飞行试验验证。在数据集上的试验结果表明:与仅使用传统图像的点线特征法视觉惯性里程计相比,在高速运动的场景下,定位误差平均减少了22%以上;在低光照、光照大幅度变化的场景下,定位误差平均减少了59%以上。

关键词：事件相机点线特征视觉惯性里程计视觉同时定位与地图构建位姿估计

来源：评论

学校读者我要写书评

暂无评论

基于快速不变卡尔曼滤波的视觉惯性里程计

引用

控制与决策 2019年第12期34卷 2585-2593页

作者：黄伟杰张国山天津大学电气自动化与信息工程学院

针对相机定位问题,设计基于深度相机和惯性传感器的视觉惯性里程计,里程计包含定位部分和重定位部分.定位部分使用不变卡尔曼滤波融合多层迭代最近点(ICP)的估计值和惯性传感器的测量值来获得精确的相机位姿,其中ICP的估计误差使用费舍... 详细信息

针对相机定位问题,设计基于深度相机和惯性传感器的视觉惯性里程计,里程计包含定位部分和重定位部分.定位部分使用不变卡尔曼滤波融合多层迭代最近点(ICP)的估计值和惯性传感器的测量值来获得精确的相机位姿,其中ICP的估计误差使用费舍尔信息矩阵进行量化.由于需要使用海量的点云作为输入,采用GPU并行计算以快速实现ICP估计和误差量化的过程.当视觉惯性里程计出现定位失败时,结合惯性传感器数据建立恒速模型,并基于此模型改进随机蕨定位方法,实现视觉惯性里程计的重定位.实验结果表明,所设计的视觉惯性里程计可以获得准确追踪相机且可以进行有效的重定位.

关键词：视觉惯性里程计不变卡尔曼滤波多层迭代最近点随机蕨 GPU并行计算惯性传感器

来源：评论

学校读者我要写书评

暂无评论

基于抗差LM的视觉惯性里程计与伪卫星混合高精度室内定位

引用

测绘学报 2022年第1期51卷 18-30页

作者：杨高朝王庆蔚保国刘鹏飞李爽东南大学仪器科学与工程学院江苏南京210096 东南大学智慧城市研究院江苏南京210096 卫星导航系统与装备技术国家重点实验室河北石家庄050050

视觉惯性里程计(VIO)和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷。视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保... 详细信息

视觉惯性里程计(VIO)和伪卫星已经广泛应用于室内环境定位中,但在实际应用中,二者各自都有明显的缺陷。视觉里程计依赖于实际场景,在景深变化明显和光照不均匀的环境下会产生粗差,而且误差会不可避免地随着时间累积,但是在相邻帧间能保证相对高精度的位姿测量。由于受到室内多径的影响,伪卫星室内定位的精度和可靠性很难保证。为增加室内定位的可靠性和稳定性,基于抗差LM非线性优化理论,本文主要研究利用视觉惯性里程计的相邻帧间高精度位姿测量和伪卫星融合的室内高精度定位技术。该算法不仅可以抵抗粗差,而且可以减弱不同传感器间权重设置不合理带来的影响。最后使用在室内环境下搭建的高精度动态捕捉设备对组合定位方法进行实验验证。试验结果表明,该方法不依赖回环即可消除视觉惯性里程计的累积误差,有效提高室内定位精度及可靠性。利用改进的LM算法融合后场景1和场景2,相对于VIO单独定位精度分别提高了59.0%和77.5%。

关键词：视觉惯性里程计伪卫星 LM 抗差估计室内定位

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络与扩展卡尔曼滤波的单目视觉惯性里程计

引用

仪器仪表学报 2021年第10期42卷 188-198页

作者：林立雄郑佳春黄国辉蔡国玮集美大学海洋信息工程学院厦门361005 福州大学机械工程及自动化学院福州350000 福建船政交通职业学院福州350000

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约... 详细信息

针对单目相机采集室外图像易受环境光照影响、尺度存在不确定性的缺点,以及利用神经网络进行位姿估计不准确的问题,提出一种基于卷积神经网络(CNN)与扩展卡尔曼滤波(EKF)的单目视觉惯性里程计。采用神经网络取代传统里程计中基于几何约束的视觉前端,将单目相机输出的估计值作为测量更新,并通过神经网络优化EKF的误差协方差。利用EKF融合CNN输出的单目相机位姿和惯性测量单元(IMU)数据,优化CNN的位姿估计,补偿相机尺度信息与IMU累计误差,实现无人系统运动位姿的更新和估计。相比于使用单目图像的深度学习算法Depth-VO-Feat,所提算法融合单目图像和IMU数据进行位姿估计,KITTI数据集中09序列的平动、转动误差分别减少45.4%、47.8%,10序列的平动、转动误差分别减少68.1%、43.4%。实验结果表明所提算法能进行更准确的位姿估计,验证了算法的准确性和可行性。

关键词：视觉惯性里程计神经网络惯性测量单元扩展卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

基于时空双流卷积和长短期记忆网络的松耦合视觉惯性里程计

引用

计算机学报 2022年第8期45卷 1674-1686页

作者：赵鸿儒乔秀全谭志杰李研孙恒北京邮电大学网络与交换技术国家重点实验室北京100876 山西省交通规划勘察设计院有限公司BIM研发中心太原030012

传统的松耦合视觉惯性里程计需要标定噪声和偏置等参数,而端到端学习的方法耦合性高、普适性低.因此,本文提出了一种由长短期记忆网络融合的端到端松耦合视觉惯性里程计EE-LCVIO(End-to-End Loosely Coupled Visual-Inertial Odometry)... 详细信息

传统的松耦合视觉惯性里程计需要标定噪声和偏置等参数,而端到端学习的方法耦合性高、普适性低.因此,本文提出了一种由长短期记忆网络融合的端到端松耦合视觉惯性里程计EE-LCVIO(End-to-End Loosely Coupled Visual-Inertial Odometry).首先,在相机位姿和IMU融合部分,构建了一个时序缓存器和由一维卷积神经网络和长短期记忆网络相结合的融合网络;其次,为了解决现有单目深度视觉里程计难以利用长序列时域信息的问题,通过使用相邻图像对和帧间密集光流作为输入,设计了一种基于时空双流卷积的视觉里程计TSVO(Visual Odometry with Spatial-Temporal Two-Stream Networks).与DeepVO最多只能利用5帧图像信息相比,本文提出的视觉里程计可以利用连续10帧图像的时序信息.在KITTI和EUROC数据集上的定性和定量实验表明,TSVO在平移和旋转方面超过了DeepVO的44.6%和43.3%,同时,在传感器数据没有紧密同步的情况下,本文的视觉惯性里程计EE-LCVIO优于传统单目OKVIS(Open Keyframe-based Visual-Inertial SLAM)的78.7%和31.3%,鲁棒性高.与现有单目深度视觉惯性里程计VINet相比,EE-LCVIO获得了可接受的位姿精度,耦合性低,无需标定任何参数.

关键词：视觉惯性里程计双流融合长短期记忆网络松耦合时序缓存器

来源：评论

学校读者我要写书评

暂无评论

基于点转移矫正的视觉惯性里程计

引用

中国惯性技术学报 2024年第2期32卷 146-152页

作者：张梦龙张凯杰刘昌林周琦李京波华南师范大学半导体科学与技术学院广州528225

针对卷帘相机的卷帘效应会引起图像扭曲,进而影响系统定位精度的问题,提出了一种融合IMU信息的点转移矫正的视觉惯性里程计。首先,针对卷帘图像扭曲问题,利用三焦点张量的点转移方法修正卷帘图像,相当于输入系统的是全局图像。其次,为... 详细信息

针对卷帘相机的卷帘效应会引起图像扭曲,进而影响系统定位精度的问题,提出了一种融合IMU信息的点转移矫正的视觉惯性里程计。首先,针对卷帘图像扭曲问题,利用三焦点张量的点转移方法修正卷帘图像,相当于输入系统的是全局图像。其次,为了保证算法在嵌入式硬件上实时运行,采用扩展卡尔曼滤波进行信息融合来提高系统的定位精度和降低计算资源的要求。然后,引入静态检测和异常检测来保证系统的鲁棒性。最后,所提算法在手机上以25 Hz左右的帧率实时运行,并在真实环境下进行实验。公开数据集上的实验结果表明:与RS-VINS-Mono算法相比,所提算法的定位精度提升了27%,验证了该算法可有效融合视觉和惯性信息来减小卷帘效应带来的定位误差,提高了系统的鲁棒性。

关键词：同步定位与地图构建视觉惯性里程计卷帘相机扩展卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

视觉惯性里程计的紧耦合非线性优化方法研究

视觉惯性里程计的紧耦合非线性优化方法研究

引用

作者：苏齐光重庆大学

学位级别：硕士

同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术近些年在自动驾驶、无人机、AR/VR等新兴领域得到了广泛应用。视觉惯性里程计通过融合视觉传感器和惯性测量单元的测量数据,可以完成对机器人的实时高精度定位,... 详细信息

同时定位与地图构建（Simultaneous Localization and Mapping,SLAM）技术近些年在自动驾驶、无人机、AR/VR等新兴领域得到了广泛应用。视觉惯性里程计通过融合视觉传感器和惯性测量单元的测量数据,可以完成对机器人的实时高精度定位,因此成为SLAM的关键技术之一。本文围绕VIO的紧耦合非线性优化方法展开研究,主要工作包括:（1）研究了机器人学中状态估计问题。首先研究了机器人在三维空间中的运动表示方法和视觉惯性传感器的测量模型。然后构建了高斯噪声影响下的机器人状态估计问题,并提出了使用鲁棒估计算法对状态估计模型进行改进。实验表明改进后的算法对异常值有更高的鲁棒性,算法在收敛次数、收敛时间以及收敛时的系统残差上均得到了一定程度的降低。（2）研究了基于多视角几何的视觉里程计方法。首先通过特征点的提取与匹配建立图像间的关联,并使用对极几何约束解算出相机运动的变换矩阵。然后探究了在某些特定场景下的运动估计算法,以及如何通过三角测量生成空间点云。最后设计基于视觉里程计的点云构建实验,并通过拉普拉斯算子对点云质量进行改进优化。（3）研究了基于紧耦合优化的视觉惯性里程计方法。针对纯视觉里程计在光照变化、快速运动、特征缺失等场景下定位效果较差的问题,本文构建了视觉惯性传感器的紧耦合优化系统。实验结果表明,视觉惯性里程计系统在室内、室外场景下定位的绝对位置误差为0.3166米和1.303米,相比于纯视觉里程计分别降低了47.58%和65.14%。实际场景的测试中,在重庆大学主教学楼外围测试的轨迹闭合误差为0.2030米,定位误差比为0.045%。

关键词：视觉惯性里程计紧耦合鲁棒估计非线性优化同时定位与地图构建

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：