视觉IMU融合的移动机器人姿态解耦误差校正

本文主要探讨了视觉里程计（VO）在移动机器人运动姿态估计中的局限性，尤其是在长时间运行后累积误差可能导致的不准确性。针对这一问题，研究人员提出了一个实时扩展卡尔曼滤波器姿态估计模型。该模型的关键创新在于将惯性测量单元（IMU）与重力加速度方向相结合，作为垂直方向的参考，以此对视觉里程计在航向、俯仰和侧倾三个维度上的姿态估计进行解耦处理。这种解耦设计有助于减少由于累积误差而产生的定位偏差。 通过引入IMU的数据，该模型能够实时校正视觉里程计的姿态估计，增强系统的稳定性和精度。同时，为了进一步提升滤波效果，作者运用模糊逻辑技术动态调整滤波器参数，使得系统能够自我适应不同的运动状态，从而有效降低加速度噪声带来的影响。这种方法的实施旨在提高整个系统的定位精度和鲁棒性，使其能在各种复杂地形环境中保持高精度的运动估计。 为了验证模型的有效性，研究者选择了高精度的全站仪作为基准，进行了详细的实验测试。实验结果显示，在50米的跟踪范围内，通过该方法实现的累积误差控制在0.3米以内，这显著改善了视觉里程计的定位性能，增强了其在实际应用中的可靠性和稳定性。 本文的核心贡献是提出了一种融合视觉里程计和IMU的解耦姿态估计方法，通过扩展卡尔曼滤波器和自适应参数调整策略，优化了移动机器人在动态环境中的运动轨迹估计，为提高移动机器人导航的精度和鲁棒性提供了新的解决方案。