10.13695/j.cnki.12-1222/o3.2021.02.012
基于交互式多模型MSCKF的双目视觉/惯性里程计算法
针对复杂环境中双目视觉/惯性里程计系统模型不固定和量测噪声易发生变化的问题,提出了基于滤波器估计的紧耦合视觉惯性里程计(VIO)信息融合方法.将交互式多模型(IMM)估计与多状态约束卡尔曼滤波(MSCKF)算法相结合提出一种交互式多模型多状态约束卡尔曼滤波(IMM-MSCKF)算法.该算法以MSCKF为模型匹配子滤波器,将各子滤波器的输入、输出进行交互融合,实现对VIO系统状态估计.通过KITTI数据集对IMM-MSCKF算法进行了仿真验证,该算法姿态和水平位置估计均方根误差分别为0.36°和11.62 m,相比于EKF和MSCKF算法,其姿态估计精度分别提升了56%和41%,其水平位置估计精度分别提升了51%和81%,仿真结果表明该算法具有更好的估计精度和鲁棒性.
视觉惯性里程计;双目立体视觉;多状态约束卡尔曼滤波器;交互多模型滤波器;组合导航
29
U666.1(船舶工程)
安徽省自然科学基金;安徽省高校协同创新项目;东南大学微惯性仪表与先进导航技术教育部重点实验室B类开放基金资助项目
2021-08-09(万方平台首次上网日期,不代表论文的发表时间)
共9页
221-228,236