共查询到15条相似文献，搜索用时 296 毫秒
1.
惯性测量单元（IMU）受自身温度、零偏、振动等因素干扰,积分时位姿容易发散,并且机器人快速移动时,单目视觉定位精度较差,为此研究了一种基于紧耦合的视觉惯性即时定位与地图构建（SLAM）方法. 首先研究了视觉里程计（VO）定位问题,为减少特征点的误匹配,采用基于快速特征点提取和描述的算法（ORB）特征点的提取方法. 然后构建IMU的数学模型,使用中值法得到运动模型的离散积分. 最后将单目视觉姿态与IMU轨迹对齐,采用基于滑动窗口的非线性优化得到机器人运动的最优状态估计. 通过构建仿真场景以及与单目ORB-SLAM算法对比两个实验进行验证,结果表明,该方法优于单独使用VO,定位精度控制在0.4 m左右,相比于传统跟踪模型提高30%. 相似文献
2.
在智能手机和互联网的普及状态下，对高精度定位技术的需求也更加显著，精确定位服务已渗透到各个领域，如物联网、无人驾驶、机器快递员、应急救援等。在室外环境下，这些服务大多由全球卫星导航系统提供；然而，在深山丛林、矿井隧道、地下室等室内环境下，由于信号衰减及多径效应的影响，GPS无法正常工作。本文针对一些特殊的室内场景，研究了基于松耦合滤波的视觉惯性融合导航方法，设计了一个面向智能手机平台的室内行人定位系统。该方法视觉前端采用了快速、稳健的稀疏直接法，后端采用了扩展卡尔曼滤波器来融合惯性信息，能够有效融合视觉和惯性信息，达到恢复单目视觉尺度、提高稳健性的效果，实现了高精度的室内行人定位。 相似文献
3.
本文针对复杂动态的城市环境自动驾驶规模化应用需求,提出惯性单元辅助RTK快速收敛的自动驾驶低成本、高精度定位方法。使用MEMS IMU M39和战术级IMU Pos320,通过对多组实测车载数据进行仿真中断,得到INS位置漂移误差、模糊度收敛时间、模糊度固定正确性指标,再对无惯导辅助、M39辅助模糊度固定和Pos320辅助3种情形下的模糊度固定时间和定位精度进行了统计和分析。结果表明,M39在GNSS中断5 s时可辅助RTK实现模糊度瞬时固定,中断时间为10 s时可以将RTK模糊度收敛时间压缩至1/4。MEMS IMU的加入使得RTK模糊度固定错误个数显著下降,10 cm以内高精度定位占比由62.25%提高至98.44%。试验验证了MEMS IMU辅助RTK能够加快模糊度收敛速度,提高了其在自动驾驶导航定位应用中的精度和可靠性。 相似文献
4.
5.
为了减弱视觉同时定位与地图构建(SLAM)易受光照、纹理等条件的影响,在非线性化单目SLAM研究基础上,该文提出了 一种加速度计bias估计优化初始化与点线特征结合的优化视觉里程计,使得在光线较弱的情况下也有较好的位姿估计效果,更优秀的初始化结果使得整个系统更加鲁棒、精度更高,且为了减少因为线特征的加入而增加的计算量,提出一种新的数据选择策略.通过和其他优秀算法(如PL-VIO、仅特征点方案)对比及真实场景实验的结果分析可知,该文提出的点线联合的优化视觉惯性里程计不仅能够减少定位误差,而且在光照条件较弱的环境中有较高的精度,既保证了系统的实时性,又提高了系统的鲁棒性. 相似文献
6.
针对单目直接法视觉里程计在光照变化大的场景下定位精度低、定位鲁棒性差的问题,文中提出一种融合光度参数估计的单目直接法视觉里程计。首先通过对图像帧进行特征匹配实现特征跟踪,建立起图像像素点之间的关联,接着利用非线性优化方法进行光度参数估计,然后在光度参数估计提供的光度参数先验信息的基础上对图像灰度值进行校正,最后利用校正后的图像采用单目直接法视觉里程计对相机运动进行估计。在EuRoC数据集上的实验结果表明,与传统方法相比,文中提出的算法提高单目直接法视觉里程计对光照变化的鲁棒性,定位精度平均提高约18%。 相似文献
7.
针对室内服务机器人在居家环境下导航定位问题，本文研究了紧耦合非线性优化的立体视觉惯性融合导航方法。本文采用预积分、边缘化、滑动窗口优化等关键技术，提出了一种稳健的视觉惯性导航系统初始化方法。运用于室内家庭服务机器人中，设计并实现了对应的视觉惯性融合导航系统。在搭建的模拟居家环境下，验证了本文系统的初始化方法能够提供稳健、准确的系统初值；最后通过试验验证了本文定位系统的准确性与稳定性，定位误差可控制在0.1 m以内。 相似文献
8.
9.
10.
针对行人在大型复杂建筑环境中的高精度和高可靠性室内定位需求,传统的基于视觉点特征方法易受环境纹理缺失、相机快速运动导致图像模糊而定位失效问题,提出了一种基于视觉点线特征与IMU紧耦合的行人室内 自主定位方法.在视觉惯导融合导航系统框架下,前端部分,在点特征基础上引入结构化建筑环境中丰富的线特征,并采取基于梯度密度过滤机制的改进线特征提取策略,剔除局部线特征密集区域;利用点线特征与IMU紧耦合优化机制提高行人位姿估计及定位的准确性和稳定性.通过利用EuRoC数据集和在实际楼道场景下的实验,特别是在弱纹理、光照变化等条件下实验,验证了所提方法进行行人室内定位的准确性和可行性. 相似文献
11.
激光SLAM移动机器人室内定位研究 总被引：3，自引：1，他引：2
针对目前室内移动导航定位精度低和累积误差大的问题，提出了一种激光雷达（LiDAR）和惯性测量单元（IMU）相融合的导航定位系统。首先，该方法是从LiDAR扫描测量中提取环境特征和构建地图，然后，由IMU采集的姿态信息通过卡尔曼滤波，补偿由于LiDAR扫描引起的位置和姿态输出的误差，以提高机器人移动的定位精度。试验结果表明，该方法可以提高室内移动机器人定位和构建地图的精度和稳健性。 相似文献
12.
针对传统IMU标定方法操作复杂、过于依赖转台的问题,本文提出了一种利用Vicon系统进行IMU标定的方法。首先,利用预积分技术将IMU数据与Vicon数据融合,得到IMU残差;然后,将Vicon相邻帧间的状态量相减,得到Vicon残差;最后,将IMU残差和Vicon残差放到同一个状态向量中,并引入边缘化先验信息,建立非线性优化函数,求解得到陀螺仪和加速度计的零偏估计参数。同时本文设计EuRoc数据集测试试验和室内定位对比试验,结果表明,该方法对IMU的标定结果优于传统方法的标定结果,具有更高的精度。 相似文献
13.
针对港口岸边作业区和堆场内部等特定场景影响无人车辆高精度定位的问题,本工作以Cartographer 同步定位与建图(SLAM)作为算法基础,研究了基于反射靶标的无人车辆高精度定位方法,设计优化了反射靶标参数与布置方法. 针对影响基于反射靶标的激光SLAM定位精度的关键参数、行车速度和抖动干扰,设计实现了测试系统并进行了多参数对比. 针对港口场景下易发生的大抖动干扰导致激光SLAM定位失效的问题,分析了定位失效的产生机理,进而研究了基于惯性导航系统(IMU)和激光SLAM的复合定位技术,提出了大抖动干扰情况下基于反射靶标的激光SLAM定位误差的抑制方法. 实验结果表明:上述方案提高了无人车辆在港口特定场景下的定位精度和定位方法鲁棒性. 相似文献
14.
惯性导航系统可以短期内提供连续的高精度信息，但是误差会随时间增大，不能长期独立工作。而在大型仓库、地下停车场等室内卫星信号薄弱的场景中，传统的惯导+卫星组合方法也不再适用。针对该问题，本文提出了一种视觉与惯导组合定位的方法。本文研究的惯导+视觉组合的定位方法中，采用基于合作目标的单目视觉定位方法对惯导误差进行修正。对于惯导误差的修正方法，本文利用视觉定位的位姿信息建立量测方程，进行卡尔曼滤波，并选取合适的试验设备，通过实际试验对比验证了该算法对惯导系统误差的修正具有良好的效果。 相似文献
15.
地籍测量中,单一系统无法满足定位要求,组合定位技术应运而生. 其中,捷联惯性导航系统(SINS)和GPS组合定位应用最为广泛.在卫星信号受到干扰失效区域,系统进入纯SINS解算,定位误差会逐渐累积,无法满足定位精度要求. 针对此问题,提出一种长短期记忆(LSTM)神经网络辅助的组合定位算法. 根据LSTM神经网络能够有效运用于长距离时间序列的特性,在GPS有效区域,用卡尔曼滤波(KF)算法对SINS/GPS信号进行数据融合得到精确定位信息,同时利用惯性测量单元(IMU)、GPS和SINS输出信息对神经网络进行训练;在GPS失效区域,利用训练好的神经网络预测GPS位置信息,使得系统能继续用卡尔曼滤波器滤波. 最后结合地籍测量特点,设计了仿真实验,证明了该算法在GPS信号失效时可以有效抑制系统误差发散、提高定位精度,在不同运动状态下依然可以满足定位精度要求、鲁棒性强. 相似文献