×
Cen，Ruping公司；张新跃；陶玉林；薛方正；张玉新

移动机器人稀疏直接视觉惯性里程表的时间延迟估计。 （英语） Zbl 1437.93089号

J.富兰克林研究所。 357，第7号，3893-3906（2020）.
摘要：大多数视觉惯性里程表（VIO）系统可以在数据集上获得理想的结果，通常使用外部设备同步相机和惯性测量单元（IMU）之间的测量。但对于廉价的自制相机-IMU系统，由于相机和IMU之间的时间偏差，这些算法的精度通常会降低甚至失败。本文针对直接VIO系统中的时间同步问题，提出了一种标定摄像机和IMU之间时间延迟的方法。为此，将时间延迟参数添加到扩展卡尔曼滤波器（EKF）的状态变量中，并将地标的亮度误差作为误差函数来更新EKF滤波器。最后，我们构造了一个具有在线时延估计的稀疏直接VIO系统，并与VINS-mono和ROVIO进行了比较。实验表明，在直接VIO系统中，地标的亮度误差可以用来准确校准图像和IMU测量值之间的时间延迟，考虑时间延迟的方法将提高直接VIO的性能。

引用于2文件

MSC公司：

93C85号 控制理论中的自动化系统（机器人等）
93立方厘米 延迟控制/观测系统
93E11号机组 随机控制理论中的滤波

关键词：

视觉惯性里程计；时间同步；扩展卡尔曼滤波器；时间延迟

软件：

欧洲RoC；MonoSLAM公司；VINS-Mono（VINS-Mone）；ORB-SLAM2
PDF格式BibTeX公司 XML格式引用
\textit{R.Cen}等人，J.Franklin Inst.357，No.7，3893--3906（2020；Zbl 1437.93089）
全文： 内政部

参考文献：

[1] Basin，M.V.公司。；拉米雷斯，P.C.R。；Guerra Avellaneda，F.，《不完全测量的机电一体化系统的连续固定时间控制器设计》，IEEE/ASME Trans。机电一体化。，23, 1, 57-67 (2018)
[2] Karaboga，N.，基于人工蜂群算法的数字IIR滤波器新设计方法，J.Frankl。研究所，346，4328-348（2009）·Zbl 1166.93351号
[3] 盆地，M。；Maldonado，J.J.，带泊松噪声随机线性系统的最优均方状态和参数估计，信息科学。，197, 177-186 (2012) ·Zbl 1256.93104号
[4] 卞，Y。；彭杰。；Han，C.，基于大脑情感学习的智能控制器对非完整移动机器人的有限时间控制，Int.J.Innov。计算。信息控制，14683-695（2018）
[5] Wang，Y。；杨，U。；Wang，S.，利用预期轨迹的未来信息实现室内运输机器人的路径跟踪控制，国际J.Innov。计算。信息控制，14，2，561-572（2018）
[6] R.C.史密斯。；Cheeseman，P.，《关于空间不确定性的表示和估计》，国际机器人杂志。研究，5，4，56-68（1986年）
[7] 熊，X。；阿丹，A。；Akinci，B。；Huber，D.，从激光扫描仪数据自动创建语义丰富的三维建筑模型，Autom。施工。，31, 325-337 (2013)
[8] 梅塔，S.S。；吨，C。；Kan，Z。；Curtis，J.W.，《基于视觉的无传感器导弹导航和制导》，J.Frankl。研究所，352，12，5569-5598（2015）·Zbl 1395.93447号
[9] 福斯特，C。；张，Z。；Gassner，M。；维尔伯格，M。；Scaramuzza，D.，SVO：单目和多摄像机系统的半直接视觉里程表，IEEE Trans。机器人。，33, 2, 249-265 (2016)
[10] Davison，A.J。；里德，I.D。；莫尔顿，北卡罗来纳州。；Stasse，O.，MonoSLAM：实时单摄像机SLAM，IEEE模式分析与机器智能汇刊，第6卷，1052-1067（2007）
[11] 穆尔·阿尔塔尔，R。；Tardós，J.D.，《Orb-slam2:单目、立体和rgb-D相机的开源slam系统》，IEEE Trans。机器人。，33, 5, 1255-1262 (2017)
[12] Sun，K。；莫塔，K。；Pfrommer，B。；瓦特森，M。；刘，S。；穆尔甘卡，Y。；泰勒，C.J。；Kumar，V.，用于快速自主飞行的鲁棒立体视觉惯性里程计，IEEE Robot。自动。莱特。，3, 2, 965-972 (2018)
[13] 亨利·P。；Krainin，M。；赫伯斯特，E。；任，X。；Fox，D.，RGB-D制图：使用运动型深度相机对室内环境进行密集三维建模，国际机器人杂志。研究，31，5，647-663（2012）
[14] 穆尔·阿尔塔尔，R。；Tardós，J.D.，具有地图重用的视觉惯性单目SLAM，IEEE Robot。自动。莱特。，2, 2, 796-803 (2017)
[15] 杨，Z。；Shen，S.，带在线初始化和摄像机-IMU外部校准的单目视觉惯性状态估计，IEEE Trans。自动。科学。工程，14，1，39-51（2016）
[16] Leutenger，S。；Lynen，S。；Bosse，M。；Siegwart，R。；Furgale，P.，《使用非线性优化的基于关键帧的视觉惯性里程计》，Int.J.Robot。研究，34，3，314-334（2015）
[17] 福斯特，C。；Carlone，L。；Dellaert，F。；Scaramuzza，D.，On-manifold实时可视惯性里程计预积分，IEEE Trans。机器人。，33, 1, 1-21 (2016)
[18] Abdel-Hafez，M.F.，《关于惯性导航误差预算系统的开发》，J.Frankl。研究所，348，1，24-44（2011）·Zbl 1213.93010号
[19] 恩格尔，J。；科尔顿，V。；Cremers，D.，直接稀疏里程计，IEEE Trans。模式分析。机器。智力。，40, 3, 611-625 (2017)
[20] Kelly，J。；Sukhatme，G.S.，《视觉-惯性传感器融合：定位、映射和传感器-传感器自校准》，国际机器人杂志。研究，30，1，56-79（2011）
[21] Seetharaman，G。；Bao，H。；Shivaram，G.，使用消失点校准相机参数，J.Frankl。研究所，331，5，555-585（1994）·Zbl 0939.68907号
[22] Hesch，J.A。；科特塔斯，D.G。；鲍曼，S.L。；Roumeliotis，S.I.，视觉辅助惯性导航的一致性分析和改进，IEEE Trans。机器人。，30, 1, 158-176 (2013)
[23] Havangi，R.，基于无中心h∞滤波的同时定位和映射与进化重采样，J.Frankl。研究所，352，11，4801-4825（2015）·Zbl 1395.93538号
[24] 布鲁斯，M。；Burri，M。；Omari，S。；Hutter，M。；Siegwart，R.，使用直接光度反馈的基于迭代扩展卡尔曼滤波器的视觉惯性里程表，Int.J.Robot。决议，36，10，1053-1072（2017）
[25] Kelly，J。；Sukhatme，G.S.，《多个本体感受和外感受传感器时间校准的一般框架》，《实验机器人学》，195-209年（2014年），施普林格
[26] Choi，M。；Choi，J。；Park，J。；Chung，W.K.，考虑时间延迟不确定性的延迟测量状态估计，2009年IEEE机器人与自动化国际会议，3987-3992（2009），IEEE
[27] Merwe，R.V.D。；Wan，E。；Julier，S.，《非线性估计和传感器融合的西格玛点卡尔曼滤波器：在组合导航中的应用》，AIAA制导、导航和控制会议及展览，5120（2004）
[28] 通加迪，F。；Kleeman，L.，《用于高速移动机器人测绘的里程计和距离传感器的时间同步和校准》，《澳大利亚机器人与自动化会议论文集》（2008年）
[29] 李，M。；Mourikis，A.I.，《摄像机-IMU系统的三维运动估计和在线时间校准》，2013年IEEE机器人与自动化国际会议，5709-5716（2013），IEEE
[30] 秦，T。；Shen，S.，单目视觉惯性系统的在线时间校准，2018 IEEE/RSJ智能机器人和系统国际会议（IROS），3662-3669（2018），IEEE
[31] 穆里基斯，A.I。；Roumeliotis，S.I.，视觉辅助惯性导航的多状态约束卡尔曼滤波器，2007年IEEE机器人与自动化国际会议论文集，3565-3572（2007），IEEE
[32] 秦，T。；李，P。；Shen，S.，Vins-mono:一种稳健且通用的单目视觉惯性状态估计器，IEEE Trans。机器人。，34, 4, 1004-1020 (2018)
[33] Tedaldi，D。；普雷托，A。；Menegatti，E.，《无需外部设备的IMU校准的稳健且易于实施的方法》，2014年IEEE机器人与自动化国际会议（ICRA），3042-3049（2014），IEEE
[34] 李，M。；Mourikis，A.I.，高精度、一致的基于EKF的视觉惯性里程计，Int.J.机器人。研究，32，6，690-711（2013）
[35] Rehder，J。；尼科利奇，J。；施耐德，T。；Hinzmann，T。；Siegwart，R.，扩展kalibr:校准多个IMU和单个轴的外部，2016年IEEE国际机器人与自动化会议（ICRA），4304-4311（2016），IEEE
[36] Burri，M。；尼科利奇，J。；科尔，P。；施耐德，T。；Rehder，J。；奥马里，S。；Achtelik，M.W。；Siegwart，R.，欧洲微型飞行器数据集，国际机器人杂志。决议，35，10，1157-1163（2016）
[37] 布鲁斯，M。；Omari，S。；Hutter，M。；Siegwart，R.，《使用直接基于EKF方法的稳健视觉惯性里程计》，2015年IEEE/RSJ智能机器人和系统国际会议，298-304（2015），IEEE
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。