机械工程学报

作者：张彧, 檀祖冰, 曹东璞, 陈龙

单位：1. 中山大学计算机学院 广州 510006;2. 中山大学无人系统研究所 广州 510006;3. 清华大学车辆与运载学院 北京 100084;4. 中国科学院自动化研究所 北京 100089

关键词：状态估计,视觉惯性里程计,多传感器融合,同步定位与建图,视觉惯性数据集；

基金：国家自然科学基金(62373356)和中科院百人(E3S4020101)资助项目。

环境感知与状态估计是智能网联车关键技术之一。同时定位与建图技术(Simultaneous location and mapping technology, SLAM)，旨在同时完成自身的状态估计与环境建模，被广泛应用于智能网联车领域。随着研究的深入，学者们发现通过融合多种传感器，可以实现传感之间的短板互补，提升和加强状态估计的实时性与稳定性。融合视觉和惯性导航仪(Inertial measurement unit, IMU)的实例——视觉惯性里程计(Visual-inertial odometry, VIO)，由于具有较高的性价比获得了许多研究人员的青睐。VIO在视觉里程计(Visual odometry，VO)的基础上引入IMU测量，很好地改善了尺度漂移的问题，同时也能极大缓解短期内图像过曝、特征缺失等问题导致的视觉定位失效问题。并且VIO在通过结合冗余传感器提升精度的同时，也通过滑动窗口和状态边缘化等方案保证系统实时性，是兼顾精度和运行效率的典范。细致介绍VIO系统的标准定义与基础模型，并对其关键模块，包括初始化、视觉信息提取与关联、求解与优化、标定，进行详尽的技术梳理与前沿工作回顾，对前沿工作的优点和局限进行详细分析，总结了常用的视觉惯性数据集，并对VIO当前存在的问题和未来发展方向进行了总结和展望。

来源：2024年第10期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第10期