基于实时安全滤波器提升视觉导航中特征跟踪可靠性

视觉传感器在定位机器人姿态时广泛使用，尤其是在全球定位工具如 GPS 或动作捕捉系统不可用的环境中。在许多视觉导航系统中，通过检测和跟踪视觉特征或地标来实现定位，这些特征提供有关传感器相对姿态的信息。为了实现可靠的特征跟踪和准确的姿态估计，关键在于保持足够数量的特征可见。但这一要求有时会与机器人的整体任务目标产生冲突。本文将其作为受约束的控制问题来处理。通过利用可见性约束在机器人运动学模型中的不变性属性，我们提出了一种基于二次规划的实时安全滤波器。该滤波器接受参考速度命令作为输入，输出略微偏离参考值且确保当前可见特征的信息得分保持在用户指定的阈值之上。数值仿真表明，所提出的安全滤波器保留了不变条件，确保可见特征数量超过所需的最低数量。我们还通过将其集成到视觉同步定位与地图构建 (SLAM) 算法中，验证了其实际性能，在挑战性环境中维持了高估计质量，优于简单的跟踪控制器。