仪器仪表学报

作者：林立雄，郑佳春，黄国辉，蔡国玮

单位：林立雄,1. 集美大学海洋信息工程学院,,郑佳春,1. 集美大学海洋信息工程学院,,黄国辉,2. 福州大学机械工程及自动化学院,,蔡国玮,3. 福建船政交通职业学院,

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

基金：福建省自然科学基金(2019J05024)、国家自然科学基金(61803089)项目资助

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。

来源：2021年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第10期