面向自主无人机赛跑的鲁棒紧耦合滤波器基单目视觉-惯性状态估计与基于图的评估
机器人学
2026-03-04 v1
摘要
自主无人机赛跑 (ADR) 需要实现计算效率高且对极端速度和机动动作中感知退化具有鲁棒性的状态估计。传统框架通常依赖基于松耦合的基于四可见特征的 PnP 校正方法，要求四个可见特征，过程中存在信息损失。此外，缺乏 GNSS 和运动捕捉系统在无仪器、竞赛式赛跑环境中，使得此类系统的客观评估异常困难。为此，本文提出了 ADR-VINS，一种为自主无人机赛跑量身定制的鲁棒单目视觉-惯性状态估计框架，基于误差状态卡尔曼滤波器 (ESKF)。我们的方法将门拱角特征的直接像素重投影误差作为创新项纳入滤波器。通过绕过中间 PnP 求解器，ADR-VINS 可在仅两个可见拱角的情况下维持有效的状态更新，并采用鲁棒加权方案取代基于 RANSAC 的方法处理离群值，从而提升计算效率。此外，我们引入 ADR-FGO，一个离线因子图优化框架，用于生成高保真参考轨迹，便于在无仪器、GNSS 屏蔽环境中进行飞行后性能评估与分析。该系统在 TII-RATM 数据集上验证，ADR-VINS 实现平均 RMS 平移误差为 0.134 米，而 ADR-FGO 产出 0.060 米作为平滑基准。最后，ADR-VINS 成功部署在 A2RL 无人机锦标赛第二赛季，尽管在时速达 20.9 米/s 的高机动飞行中检测噪声较大，仍能保持稳定可靠的估计。我们进一步利用 ADR-FGO 对无仪器赛跑环境中的飞行进行后期评估。
引用
@article{arxiv.2603.02742,
title = {Robust Tightly-Coupled Filter-Based Monocular Visual-Inertial State Estimation and Graph-Based Evaluation for Autonomous Drone Racing},
author = {Maulana Bisyir Azhari and Donghun Han and SungJun Park and David Hyunchul Shim},
journal= {arXiv preprint arXiv:2603.02742},
year = {2026}
}
备注
8 pages, 9 figures