基于加权预积分和快速初始化的惯性辅助单目前端模型

doi:10.13474/j.cnki.11-2246.2019.0242

测绘通报 ›› 2019, Vol. 0 ›› Issue (8): 8-13,19.doi: 10.13474/j.cnki.11-2246.2019.0242

基于加权预积分和快速初始化的惯性辅助单目前端模型

曾攀, 潘树国, 黄砺枭, 王帅, 赵涛

东南大学仪器科学与工程学院, 江苏南京 210096

收稿日期:2018-12-12 出版日期:2019-08-25 发布日期:2019-09-06
通讯作者: 潘树国。E-mail:psg@seu.edu.cn E-mail:psg@seu.edu.cn
作者简介:曾攀(1997-),女,硕士生,主要从事视觉惯性融合融合定位研究。E-mail:zengpan@seu.edu.cn
基金资助:
江苏省测绘地理信息科研项目（JSCHKY201808）

An inertial assisted monocular front-end model based on weighted pre-integration and fast initialization

ZENG Pan, PAN Shuguo, HUANG Lixiao, WANG Shuai, ZHAO Tao

School of Instrument Science and Engineering, Southeast University, Nanjing 210096, China

Received:2018-12-12 Online:2019-08-25 Published:2019-09-06

摘要/Abstract

摘要： 针对单目视觉惯性定位系统在复杂环境和相机高动态条件下的实时性和高精度的需求，提出了一种基于加权预积分和快速初始化的惯性辅助单目前端模型Improved_VIO。首先同步视觉和惯性测量数据，建立高精度的IMU加权预积分模型，为联合初始化和视觉跟踪模型提供帧间运动约束；然后构建视觉惯性融合状态向量，建立联合初始化模型，实现视觉惯性松耦合的快速联合初始化；最后在IMU加权预积分和快速初始化方法的基础上，建立一套惯性辅助的视觉跟踪模型，从而有效提高系统定位精度。在EuRoC数据集上的试验结果表明，与传统视觉惯性定位前端模型相比，本文的前端模型提升了单目视觉惯性定位的精度与实时性，初始化时间缩短至10 s内，定位精度提高了约30%。

关键词: 单目视觉惯性, 加权预积分, 快速初始化, 高精度, 前端模型

Abstract: Aiming at the robustness and high precision of monocular visual inertial positioning system in complex environment and camera dynamic conditions, Improved_VIO, an inertial assisted monocular front-end model based on weighted pre-integration and fast initialization is proposed. Firstly, the visual and inertial measurement data are synchronized, and a high-precision IMU weighted pre-integration model is established to provide inter-frame motion constraints for joint initialization and visual tracking models. Secondly, constructing the visual inertia fusion state vector, and establishing the joint initialization model realize the fast joint initialization of visual inertia coupling. Finally, based on the IMU weighted pre-integration and fast initialization methods, a visual inertia-assisted tracking model is established to effectively improve the robustness of the system. The experimental results show that compared with the traditional visual inertial positioning front-end model, the Improved_VIO improves the accuracy, speed and robustness of monocular visual inertial positioning. The initialization time is shortened to 10 seconds, and the positioning accuracy is improved about 30%.

Key words: monocular visual inertial, weighted pre-integration, fast initialization, high precision, front-end model

中图分类号:

P228

曾攀, 潘树国, 黄砺枭, 王帅, 赵涛. 基于加权预积分和快速初始化的惯性辅助单目前端模型[J]. 测绘通报, 2019, 0(8): 8-13,19.

ZENG Pan, PAN Shuguo, HUANG Lixiao, WANG Shuai, ZHAO Tao. An inertial assisted monocular front-end model based on weighted pre-integration and fast initialization[J]. 测绘通报, 2019, 0(8): 8-13,19.

参考文献

[1] 李群明, 熊蓉, 褚健. 室内自主移动机器人定位方法研究综述[J]. 机器人,2003, 25(6):560-567.
[2] 胡劲草.室内自主式移动机器人定位方法研究[J].传动技术,2006(4):14-18,46.
[3] 刘浩敏,章国锋,鲍虎军.基于单目视觉的同时定位与地图构建方法综述[J].计算机辅助设计与图形学学报,2016,28(6):855-868.
[4] 白云汉. 基于SLAM算法和深度神经网络的语义地图构建研究[J]. 计算机应用与软件, 2018,35(1):183-190.
[5] CADENA C, CARLONE L, CARRILLO H, et al. Past, present, and future of simultaneous localization and mapping:toward the robust-perception age[J]. IEEE Transactions on Robotics, 2016, 32(6):1309-1332.
[6] SHEN S, MICHAEL N, KUMAR V. Tightly-coupled monocular visual-inertial fusion for autonomous flight of rotorcraft MAVs[C]//2015 IEEE International Conference on Robotics and Automation (ICRA). Seattle:IEEE, 2015:5303-5310.
[7] YOUSIF K, BAB-HADIASHAR A, HOSEINNEZHAD R. An overview to visual odometry and visual SLAM:applications to mobile robotics[J]. Intelligent Industrial Systems, 2015, 1(4):289-311.
[8] 王安娜. 室内移动机器人自定位方法的研究[D]. 天津:河北工业大学, 2015.
[9] LEUTENEGGER S, LYNEN S, BOSSE M, et al. Keyframe-based visual-inertial odometry using nonlinear optimization[J]. The International Journal of Robotics Research, 2015, 34(3):314-334.
[10] MUR-ARTAL R, TARDóS J D. An open-source slam system for monocular, stereo, and rgb-d cameras[J]. IEEE Transactions on Robotics, 2017, 33(5):1255-1262.
[11] QIN T, LI P, SHEN S. Vins-mono:a robust and versatile monocular visual-inertial state estimator[J]. IEEE Transactions on Robotics, 2018, 34(4):1004-1020.
[12] FORSTER C, CARLONE L, DELLAERT F, et al. On-manifold preintegration for real-time visual-inertial odometry[J]. IEEE Transactions on Robotics, 2017, 33(1):1-21.
[13] MUR-ARTAL R, TARDóS J D. Visual-inertial monocular SLAM with map reuse[J]. IEEE Robotics and Automation Letters, 2017, 2(2):796-803.
[14] MARTINELLI A. Closed-form solution of visual-inertial structure from motion[J]. International Journal of Computer Vision, 2014, 106(2):138-152.
[15] BURRI M, NIKOLIC J, GOHL P, et al. The EuRoC micro aerial vehicle datasets[J]. The International Journal of Robotics Research, 2016, 35(10):1157-1163.

基于加权预积分和快速初始化的惯性辅助单目前端模型

An inertial assisted monocular front-end model based on weighted pre-integration and fast initialization

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	胡春梅, 夏国芳, 张旭, 刘喜, 王伟, 尉丽霞. 文物对象近景序列影像位姿高精度估计方法[J]. 测绘通报, 2022, 0(1): 50-55.
[2]	王明甲, 陈浩翔. 基于多传感器的民航客机定位[J]. 测绘通报, 2022, 0(1): 21-25.
[3]	高胜超, 高彦涛, 王文杰. 机载LiDAR在河南省重点水库库区高精度DEM建立中的应用[J]. 测绘通报, 2022, 0(1): 128-132.
[4]	李久林, 徐浩, 唐超. 国家速滑馆动态高精度施工测量关键技术及应用[J]. 测绘通报, 2021, 0(8): 123-128,165.
[5]	王艳利, 高凯超, 刘保强, 周丛伟. GNSS支持下的配电电缆移动GIS系统构建与应用[J]. 测绘通报, 2021, 0(8): 150-153.
[6]	李晓丽, 刘如飞, 汤玉兵, 任红伟, 柴永宁. 高精度矢量数据的路面三维自动建模方法[J]. 测绘通报, 2021, 0(7): 70-73.
[7]	杨振凯, 华一新, 訾璐, 张政, 王继伟. 浅析高精度地图发展现状及关键技术[J]. 测绘通报, 2021, 0(6): 54-60.
[8]	齐永良, 李海鹏, 王永国. 明代石碑高精度真实纹理三维建模应用[J]. 测绘通报, 2021, 0(6): 98-102.
[9]	王维, 阮于洲, 王晨阳. 将高精度地理信息获取作为基础测绘重要战略任务的思考[J]. 测绘通报, 2021, 0(6): 143-146.
[10]	龙川, 苟永刚, 明镜, 李锋, 胡小林, 黄志. 车载移动测量系统研制与应用实践[J]. 测绘通报, 2021, 0(4): 120-125.
[11]	张译, 杨伯钢, 刘宇, 余永欣, 武润泽, 许天豪, 杨旭东. 生态保护红线边界校核研究——以北京市为例[J]. 测绘通报, 2021, 0(2): 18-24.
[12]	徐国梁, 李圳, 陶钧, 郭靖, 赵齐乐. 复杂环境下智能手机RTK+PDR融合定位[J]. 测绘通报, 2021, 0(12): 44-49,98.
[13]	孙松梅, 黄天进, 孙颖. 城市高精度实景三维单体模型建设及应用[J]. 测绘通报, 2021, 0(1): 108-111.
[14]	杨明, 石小伟, 葛浩然. 无人机空地一体三维激光扫描技术应用研究[J]. 测绘通报, 2020, 0(3): 134-139.
[15]	李婉清, 傅其祥, 刘倍典, 李俊志. 低成本高精度定位技术研究进展[J]. 测绘通报, 2020, 0(2): 1-8.