编辑:本文结合室内导航的应用,通过灭点位置的变化,利用线特征和灭点计算相机旋转,消除了IMU的漂移误差。这个想法很好。
推荐索引
一.导言
精确的姿态估计是室内导航的一个难点。微机电系统惯性导航系统广泛应用于导航领域。然而,由于陀螺仪的偏差,仅使用惯性测量单元会存在漂移误差传播的问题,因此在室内姿态确定中的应用非常简单。本文提出了摄像机方向辅助来改善方向估计。
提出了一种基于方向余弦矩阵的惯性导航系统与视觉陀螺仪的集成模型,避免了欧拉角的表示问题。此外,还推导了由DCM(包含陀螺偏差时的伪线性)更新的线性公式和线性观测模型。
Kinect等RGBD相机具有价格低、帧率高的优势,RGBD里程计已经得到实时应用。迭代最近点(ICP)算法KInectFusion(KinFu)在室内环境重建中取得了较好的效果。然而,RGBD和KinFu算法是成对工作的,误差积累会导致定位或姿态漂移。INS可以补充视觉,通过积分可以提高状态估计的精度。
二、基于消失点的视觉陀螺仪
视觉陀螺仪采用计算机视觉算法计算摄像头旋转,没有漂移误差。与惯性测量单元集成后,陀螺仪输出得到校正。本文通过跟踪连续图像中的消失点来实现视觉陀螺仪。
消失点是指图像中现实世界中两条平行线的交点,通过检测消失点的运动可以计算出摄像机的旋转。一幅图像一般有三个消失点:中心、垂直和水平,是三条平行线在垂直坐标方向上的交点。这个算法适用于室内环境,因为人造建筑主要是垂直结构,有大量的平行线和消失点,如下图所示。
计算消失点位置的步骤是:首先对弱光环境下的图像进行高斯卷积滤波;通过Canny边缘检测和霍夫变换检测直线。使用随机样本一致性(RANSAC)方法寻找消失点。
然后根据消失点位置的变化计算姿态变化信息。摄像机的旋转矩阵可以通过VPs和摄像机校正矩阵计算,V=KR。其中v为消失点位置矩阵,r为旋转矩阵,k为相机内部参考矩阵。
下图为移动机器人导航应用的INS///视觉陀螺仪//ICP框图。
三.实验
实验中使用的主要传感器如下图所示。惯性器件为MEMS Xsens MTi,视觉传感器为Kinect,移动机器人为Kurt2。蓝线是机器人的轨迹,红框没有消失点,使得视觉陀螺仪无法使用。
下图为实验结果,五个绿点为真值。
英文名:增强型室内导航,融合了惯性测量单元和RGB-d摄像头
链接:
自律,遇见更好的自己;只有砍掉你的手臂,你才能长出强壮的翅膀。
不要放弃而不失去,不要等待合适的时机;坚持不懈,直冲上天,创造奇迹!
关注头条,携手创造奇迹。