Visual-Inertial SLAM算法设计

摘要

机器人同步定位与建图（Simultaneous Localization and Mapping，简称SLAM）是当前机器人和计算机视觉邻域热门研究话题，一些新兴技术如自动驾驶、增强/虚拟现实、服务机器人和无人机导航等对SLAM的需求越来越高。相机图像能够丰富的环境信息，而IMU能够提供传感器自运动信息；视觉SLAM对快速运动敏感，而IMU存在测量漂移；单目相机存在尺度模糊，而惯性传感器（Inertial Measurement Unit，简称为IMU）能够提供绝对的尺度信息。与此同时单目相机和IMU价格便宜且实用，通过单目相机和IMU融合，能够完美地实现SLAM解决方案。
　　近些年视觉惯性SLAM（Visual-Inertial SLAM）取得卓越的研究成果，能够精确地估计机器人的状态和同时建立环境地图。但是这些都不能检测回环，不能重复使用地图，即使重复访问相同的场景，路径的估计误差也会不断的累计。本文提出了一种新颖的视觉惯性SLAM初始化方法，能够精确地计算出尺度、重力加速度方向、速度、陀螺仪和加速度的偏置。然后基于此初始化方法，提出了一种紧耦合的视觉惯性SLAM，能够回环检测和重复使用地图。通过试验结果验证，我们的视觉惯性SLAM算法尺度误差在2％以下，能够达到厘米级别的定位精度。相对于其他类型的视觉惯性SLAM，我们的视觉惯性SLAM能够回环检测和重复使用地图，重复访问相同的场景误差并不会累计。

目录

声明

1 绪论

1.1 研究背景与意义

1.2 SLAM研究现状

1.3 论文的主要研究内容和组织结构

2 SLAM系统简介

2.1 SLAM系统框架

2.2 视觉里程计

2.3 后端优化

2.4 回环检测

2.5 建图

2.6 ORB-SLAM简介

3 VISUAL-INERTIAL SLAM 初始化方法研究

3.1 IMU模型

3.2 Visual-Inertial SLAM初始化

3.3 实验结果评估

3.4 本章小结

4 VISUAL-INERTIAL SLAM算法研究

4.1 Visual-Inertial SLAM系统框架

4.2 Tracking

4.3 Local Mapping

4.4 Loop Closing

4.5 实验结果评估

4.6 本章小结

5 总结与展望

5.1 全文总结

5.2 论文展望

致谢

参考文献

附录 攻读学位期间发表论文及申请专利目录