DeepUKF-VIN：基于IMU-Vision-Net的自适应调节深度无迹卡尔曼滤波器用于三维视觉-惯性导航
机器人学
2025-03-13 v2 系统与控制
系统与控制
摘要
本文旨在解决在三维空间中运行、具有六自由度（6-DoF）的载具的方位、位置和速度估计挑战。提出了一种基于深度学习的自适应机制（DLAM），利用IMU-Vision-Net自适应地调节卡尔曼型滤波器在视觉-惯性导航（VIN）问题中的噪声协方差矩阵。随后，引入了一种自适应调节的深度学习无迹卡尔曼滤波器用于三维VIN（DeepUKF-VIN），以利用所提出的DLAM，从而鲁棒地估计关键的导航分量，包括方位、位置和线速度。所提出的DeepUKF-VIN融合了来自机载传感器的数据，特别是惯性测量单元（IMU）和从相机提取的视觉特征点，适用于GPS拒止环境下的导航。其基于四元数的设计有效地捕捉了导航非线性，并避免了基于欧拉角的滤波器通常遇到的奇异性问题。DeepUKF-VIN在离散空间中实现，便于滤波器的实际部署。使用从低采样率的IMU和立体相机收集的真实世界数据评估了该滤波器的性能。结果证明了滤波器的稳定性和估计误差的快速衰减，突显了其高估计精度。此外，在两种场景下与标准无迹卡尔曼滤波器（UKF）的对比测试一致表明，在所有导航分量上均具有优越的性能，从而验证了所提出的DeepUKF-VIN的有效性和鲁棒性。
引用
@article{arxiv.2502.00575,
title = {DeepUKF-VIN: Adaptively-tuned Deep Unscented Kalman Filter for 3D Visual-Inertial Navigation based on IMU-Vision-Net},
author = {Khashayar Ghanizadegan and Hashim A. Hashim},
journal= {arXiv preprint arXiv:2502.00575},
year = {2025}
}