室内定位论文-20241013

低光照环境下的点线特征融合视觉惯性里程计

研究问题

本研究主要解决的问题是在低照明条件下，视觉里程计（Visual Odometry, VO）性能下降导致定位系统的准确性和可靠性显著降低。传统方法仅依赖于视觉特征，在光线不足的情况下会因特征检测和跟踪能力的减弱而受到影响。该研究旨在通过整合点线特征来增强视觉惯性里程计（Visual Inertial Odometry，VIO），以提升在昏暗环境下的鲁棒性能。

提出方法

本研究所提出的方法采用了一种融合策略，在统一框架内结合了点和线特征的优势进行VIO处理。具体步骤如下：

• 特征检测：利用专门针对低光条件优化的先进算法来识别图像中的点和线特征。
• 特征跟踪：在连续帧中持续追踪这些特征以估计运动参数。
• 数据融合：通过卡尔曼滤波器将提取出的视觉信息与惯性测量单元（IMU）的数据进行合并，该滤波器根据不同来源数据的可靠性对其进行优化加权。

创新点

1. 混合特征利用：同时使用点和线特征的方法最大限度地在各种光照条件下提高了可用特征的数量。