没有合适的资源?快使用搜索试试~ 我知道了~
首页基于SE(2)-XYZ约束的地面车辆视觉里程计定位与地图构建--中文.pdf
本文主要研究基于里程计和单目视觉传感器的地面车辆定位与地图构建问题。为了提高地面车辆视觉估计的精度,研究人员利用了近似平面运动的约束,并且通常将其作为SE(3)姿态的随机约束来实现。本文提出了一种在se(2)上直接参数化地面车辆姿态的简单算法。该方法不忽略se(2)运动扰动,而是将其引入一个新的se(2)-xyz约束的综合噪声项中,通过图像特征测量将se(2)姿态和3d地标关联起来。对于里程测量处理,我们还提出了一种有效的se(2)预积分算法。利用这些约束条件,以一种常用的图优化结构,开发了一个完整的视觉里程定位与映射系统。在工业室内环境下的实际实验验证了该方法在精度和鲁棒性方面的优越性。
资源详情
资源评论
资源推荐
基于 SE(2)-XYZ 约束的地面车辆视觉里程计定位与地图构建
翻译:南山二毛
目录
基于 SE(2)-XYZ 约束的地面车辆视觉里程计定位与地图构建 ............................... 1
摘要................................................................................................................................ 2
1. 引用......................................................................................................................... 2
2. 准备工作................................................................................................................. 4
A 框架和符号 .......................................................................................................................... 4
B.非线性凸优化 ....................................................................................................................... 4
3. 基于 SE2-XYZ 约束的图优化 .............................................................................. 6
A.基于特征的 SE2-XYZ 约束 .................................................................................................... 6
B.预积分里程约束 ................................................................................................................... 8
4.跟踪、建图和闭环检测........................................................................................ 11
5.实验结果................................................................................................................ 12
A 评估设置 ............................................................................................................................ 12
B 结果和讨论 ........................................................................................................................ 12
4. 总结....................................................................................................................... 17
摘要
本文主要研究基于里程计和单目视觉传感器的地面车辆定位与地图构建问题。为了提高
地面车辆视觉估计的精度,研究人员利用了近似平面运动的约束,并且通常将其作为 SE(3)
姿态的随机约束来实现。本文提出了一种在 se(2)上直接参数化地面车辆姿态的简单算法。
该方法不忽略 se(2)运动扰动,而是将其引入一个新的 se(2)-xyz 约束的综合噪声项中,
通过图像特征测量将 se(2)姿态和 3d 地标关联起来。对于里程测量处理,我们还提出了一
种有效的 se(2)预积分算法。利用这些约束条件,以一种常用的图优化结构,开发了一个
完整的视觉里程定位与映射系统。在工业室内环境下的实际实验验证了该方法在精度和鲁棒
性方面的优越性。
1. 引用
未知环境下移动车辆的定位与地图绘制是机器人自主导航的一项基本任务。在过去的二
十年里,人们在利用视觉定位移动机器人方面做出了广泛的努力。然而,高精度和健壮的视
觉定位和映射仍然具有挑战性。此外,对于具有特殊几何结构的机器人平台的视觉状态估计
也有进一步的研究。
主流的视觉同步定位与映射方法(slam)可分为滤波和优化方法。monoslam[2]等滤波方
法通过运动模型迭代预测机器人的状态,并使用传感器测量进行更新。优化方法最小化了由
所有运动和测量约束(如 ptam[3]和 orb-slam[4][5])形成的依赖于图像特征和最小化重投影
误差的代价函数。还提出了直接控制像素强度和最小化光度误差的方法[6][7]。
单目视觉通常与惯性测量单元(imu)或里程传感器相融合,以实现鲁棒性和真实性的
估计。msckf 是一种经典的基于滤波的视觉惯性导航系统(vins),它在滑动窗口中保持最后
几帧姿态以提高精度。对于基于优化的 VIN,Forster 等人[8]引入预积分理论,迭代生成两个
关键帧之间的惯性约束。最新的 VINS 方法包括[9][10][11],其中[9]使用非线性优化进行视觉
惯性估计,[10][11]增加了环路闭合和地图重用的功能。像车轮编码器这样的里程传感器通
常在轮式机器人中可用,并且可以在优化框架中与视觉进行类似的融合[12][13]。一些作品
融合了惯性传感器和车轮编码器与视觉[14][15]。
上述方法主要用于一般三维空间的导航,而本文主要研究的是地面车辆的定位和地图构
建。在地面导航中,通常 se(2)姿态是最重要的,利用车辆在平面(或近平面)上运动的
约束来辅助状态估计。Lategahn 等人[16]提出了一种基于滤波的地面车辆解决方案,其中 SE2
姿态表示为 3-dof 矢量。scaramuzza[17]进一步考虑了轮式机器人的瞬时旋转中心(icr)约束,
表明可以用一个单点进行视觉估计。确定性 se(2)约束的主要问题是,由于地形起伏或运
动抖动,车辆在实际环境中的运动往往超出约束模型。这可能会降低视觉估计的性能,因为
se(3)的所有 6 个自由度都与地标的视觉观测高度耦合。文献[18]中的实验表明,虽然约束
模型可以很好地去除离群值,但一般模型可以提供更好的估计结果。
为了更有效地利用平面运动约束,随机 SE2 约束在最近的一些工作中被提出[15][13][19]。
随机约束通常被实现为对 SE3 车辆姿态的一元约束,允许 SE2 之外的小扰动。与这些方法不
同的是,本文提出的地面车辆姿态可以直接在 SE2 上参数化,而不忽略 SE2 外的运动扰动。
这是受到这样一种考虑的启发,即超出 SE2 的扰动通常只对视觉测量有很大影响,因此可以
纳入视觉约束。我们通过提出一个新的 SE2-XYZ 约束来实现这一点。
我们的贡献可以总结如下。首先,对于 on-SE2 姿态估计,提出了一种新的 SE2-XYZ 约
束,该约束同时考虑了图像特征测量和 out-SE2 运动扰动。它比随机约束简单、鲁棒性强,
比以往的确定性 SE2 约束更符合实际情况。其次,提出了一种用于里程测量的预积分算法,
该算法与以往的 SE3 方法不同,直接在 SE2 上进行。最后,基于这些约束条件,提出了一个
完整的定位与映射系统,在精度和鲁棒性方面都表现出了优越的性能。该实现是开源的,网
址是 https://github.com/izhengfan/se2lam。
在接下来的内容中,第二、三、四节介绍了本文提出的系统的初步理论,提出的新的约
束条件,以及系统的实现。实验分析在第五节中介绍。第六节结束了这项工作。
2. 准备工作
A 框架和符号
我们使用 代表 3D 世界中载体坐标系 B 关于世界坐标系 W 的旋转矩阵和
位置。向量 代表关于 SE2 的位姿:
整体框架定义如图 2 所示:
我们使用 去代表 x,y,z 分量。 是关于旋转矩阵的旋转向量。
反过来表示为 。因为 B 关于 W 是我们主要关注的,所以后面就简化为 。
路标的位置用 l 表示。当转化为 C 帧时 被写为 。
B.非线性凸优化
图优化[21]将状态估计问题表示为图 g,并通过找到使成本函数最小化的状态值来解决,
如:
剩余16页未读,继续阅读
南山二毛
- 粉丝: 1w+
- 资源: 41
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- RTL8188FU-Linux-v5.7.4.2-36687.20200602.tar(20765).gz
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
- SPC统计方法基础知识.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0