基于快速不变卡尔曼滤波的视觉惯性里程计
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.
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
34
TP24(自动化技术及设备)
国家自然科学基金项目61473202
2019-12-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
2585-2593