基于立体视觉—惯导SLAM的四旋翼无人机导航算法

孙楠; 裴信彪; 王春军; 李继辉; 彭程; 白越

Chinese

您当前的位置：

首页 >

文章列表页 >

基于立体视觉—惯导SLAM的四旋翼无人机导航算法

更新时间：2026-09-04

- 基于立体视觉—惯导SLAM的四旋翼无人机导航算法
- Four-rotor UAV navigation algorithms based on stereo visual-intertial SLAM
- 微电子学与计算机 2020年37卷第5期页码：33-38
- 作者机构：
  
  1. 中国科学院机构长春光学精密机械与物理研究所,吉林,长春,130033
  2. 中国科学院大学机构,北京,101408
  3. 北京全路通信信号研究设计院集团有限公司,北京,100049
- 作者简介：
- 基金信息：
  
  国家自然科学基金 11372309国家自然科学基金 61304017吉林省科技发展计划重点项目 20150204074GX吉林省科技发展计划重点项目 20160204010NY省院合作科技专项资金项目 2017SYHZ0024中科院青促会项目 2014192
- DOI：
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
孙楠, 裴信彪, 王春军, 李继辉, 彭程, 白越. 基于立体视觉—惯导SLAM的四旋翼无人机导航算法[J]. 微电子学与计算机, 2020, 37(5): 33-38,42.

SUN Nan, PEI Xin-biao, WANG Chun-jin, et al. Four-rotor UAV navigation algorithms based on stereo visual-intertial SLAM[J]. 2020, 37(5): 33-38.
孙楠, 裴信彪, 王春军, 李继辉, 彭程, 白越. 基于立体视觉—惯导SLAM的四旋翼无人机导航算法[J]. 微电子学与计算机, 2020, 37(5): 33-38,42. DOI：

SUN Nan, PEI Xin-biao, WANG Chun-jin, et al. Four-rotor UAV navigation algorithms based on stereo visual-intertial SLAM[J]. 2020, 37(5): 33-38. DOI：

摘要

针对基于视觉的同时定位与地图构建(SLAM)系统在快速运动和特征不足时存在精度低和跟踪易失败的问题，提出了一种基于紧耦合的非线性优化的立体视觉—惯导SLAM(visual inertial SLAM

VI-SLAM)算法.首先，以关键帧的位姿作为约束，初始化惯性测量单元(IMU)的偏差，并根据IMU预积分预测当前帧的位姿；然后，在后端优化中采取非线性局部平滑的方法，融合视觉SLAM的位姿估计与IMU预积分；并通过回环检测消除累积误差，采用图优化算法进行全局地图优化.通过EuRoC数据集验证该系统的性能，对比视觉SLAM算法平均精度提升了1倍左右.并将该算法应用于立体视觉四旋翼飞行控制平台，验证所提算法的实际应用性.

Abstract

In the case of too fast movement and lack of features

the simultaneous localization and mapping (SLAM) system based on visual features has low accuracy and is liable to fail in tracking.For this problem

a tightly coupled stereo visual-inertial SLAM (VI-SLAM) algorithm using nonlinear optimization is proposed.Firstly

with the pose of the key frame as the constraint

the bias of the Inertial Measurement Unit (IMU) is initialized.and the pose of the current frame is predicted based on the IMU pre-integration.then

the non-linear local smoothing method is used in the back end optimization

fusing the pose estimation of vision SLAM and IMU pre-integration.and the cumulative error is eliminated by loop detection

the global map optimization is carried out by graph optimization.The performance of the system is validated by EuRoC dataset

and the average accuracy of the system is about twice as high as that of the visual SLAM algorithm.The algorithm is applied to the stereo vision Four-rotor UAV platform

and the practical application of the proposed algorithm is verified.

关键词

Keywords

references

MUR-ARTAL R, TARDOS J D. ORB-SLAM2: An open-source SLAM system for monocular, stereo, and RGB-D cameras[J].IEEE Transactions on Robotics, 2017, 33(5): 1255-1262. DOI: 1255

高翔, 张涛, 刘毅.视觉SLAM十四讲:从理论到实践[M].北京.电子工业出版社, 2017.

FURGALE P, REHDER J, SIEGWART R. Unified temporal and spatial calibration for multi-sensor systems[C]//IEEE RSJ International Conference on Intelligent Robots and Systems. Chicago, USA, 2014: 1280-1286.

LEUTENEGGER S, LYNEN S, BOSSE M, et al. Key frame-based visual-inertial odometry using nonlinear optimization[J]. International Journal of Robotics Research, 2015, 34(3): 314-334. DOI: 314

Birmingham FERNáNDEZ E, CRESPO L S, MAHTANI A, et al. Learning ROS for robotics programming[M]. Birmingham: Packt Publishing Ltd, 2013: 35-48. DOI: 35

LIN H C, LÜ Q, ZHANG Y, et al. The sparse and dense VSLAM:a survery[J].Robot, 2016, 38(5):621-631. DOI: 621

ASADI E, BOTTASSO C L. Tightly-coupled stereo vision-aided inertial navigation using feature-based motion sensors[J]. Advanced Robotics, 2014, 28(11): 717-729. DOI: 717

张玉龙, 张国山.基于关键帧的视觉惯性SLAM闭环检测算法[J].计算机科学与探索, 2018, 12(11):1777-1787. DOI: 1777

赵洋, 刘国良, 田国会, 等.基于深度学习的视觉SLAM综述[J].机器人, 2017, 39(6):889-896. DOI: 889

侯荣波, 魏武, 黄婷, 等.基于ORB-SLAM的室内机器人定位和三维稠密地图构建[J].计算机应用, 2017, 37(5):1439-1444. DOI: 1439

MUR-ARTAL R, TARDóS J D. Visual-inertial monocular SLAM with map reuse[J]. IEEE Robotics and Automation Letters, 2017, 2(2): 796-803. DOI: 796

张朝飞, 罗建军, 龚柏春, 等.一种复杂多介质环境下的视觉/惯性自适应组合导航方法[J].中国惯性技术学报, 2016, 24(2):190-195. DOI: 190

FORSTER C, CARLONE L, DELLAERT F, et al.On-manifold preintegration for real-time visual--inertial odometry[J]. IEEE Transactions on Robotics, 2015, 33(1): 1-21. DOI: 1

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

注意力机制与改进密集卷积引导的信息隐藏模型

低功耗设计的双链电源关断策略的实现与验证

面向处理器分支预测单元的Spectre攻击轻量化防御方法

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究

基于区块链的AI生成内容溯源框架设计研究