PLS-VIO:弱纹理环境中点线特征融合的双目视觉惯导里程计

本文主要探讨了"PLS-VIO：基于点线特征的双目视觉惯性定位系统"（StereoVision-inertialOdometryBasedonPointandLineFeatures）。该研究由胡安宇、金冬和董东三位作者在深圳市深圳大学物理与光电工程学院进行，针对在纹理匮乏的长走廊环境中，传统基于点特征的视觉SLAM（Simultaneous Localization and Mapping）难以找到可靠特征点来估计相机姿态的问题。视觉仅SLAM在弱纹理或快速运动场景下容易丢失关键点特征，导致系统崩溃。单眼VIO（Visual-Inertial Odometry）在匀速运动下又存在IMU尺度不可观测的限制。 PLS-VIO的提出旨在解决这些问题，通过将点和线特征的紧密融合，优化了双目视觉与惯性测量单元（IMU）数据的整合，以提高在复杂环境中的定位精度和鲁棒性。系统被设计为前端和后端两部分： 1. **前端**：采用Plücker坐标系和正交表示，对双目的点线特征进行跟踪。Plücker坐标是一种数学工具，用于表示线段在三维空间中的方向和位置，这有助于捕捉线特征的几何信息，增强特征的稳定性和可靠性。 2. **后端**：后端负责相机姿态的优化，通过对来自前端的特征匹配和IMU数据的融合，实现连续的位姿估计。这个阶段通常涉及卡尔曼滤波器或者更先进的优化算法，如因子图法（Factor Graphs），以处理不确定性并减小误差累积。 通过结合点和线特征的优势，PLS-VIO能够在低纹理环境下提供更好的性能，同时保持在动态环境中的稳定性。这种方法对于机器人导航、自动驾驶以及无人机等领域具有重要意义，因为它提高了定位系统的适应性和鲁棒性，有助于避免因特征丢失而导致的系统故障。此外，本文还可能讨论了实验结果和性能评估，以证明PLS-VIO在实际应用场景中的有效性和优势。