用于机器人冰-水边界探索的紧耦合视觉-DVL-惯性里程计
机器人学
2023-08-11 v2 计算机视觉与模式识别
摘要
机器人水下系统，例如自主水下航行器（AUV）和遥控水下机器人（ROV），是用于在冰-水界面收集生物地球化学数据以推动科学进展的有前景的工具。然而，状态估计即定位是机器人系统的一个众所周知的问题，尤其是对于那些在水下航行的系统。在本文中，我们提出了一种紧耦合多传感器融合框架以提高定位精度，并对传感器故障具有鲁棒性。视觉图像、多普勒测速仪（DVL）、惯性测量单元（IMU）和压力传感器被集成到最先进的多状态约束卡尔曼滤波（MSCKF）中进行状态估计。此外，提出了一种基于关键帧的状态克隆机制和一种新的 DVL 辅助特征增强，以进一步提升定位性能。所提方法利用在冰封冰层下野外采集的数据集进行了验证，并将结果与其他 6 种不同的传感器融合配置进行比较。总体而言，启用关键帧和 DVL 辅助特征增强的结果取得了最佳性能，与真实路径相比均方根误差小于 2 m，而总航行距离约为 200 m。
引用
@article{arxiv.2303.17005,
title = {Tightly-coupled Visual-DVL-Inertial Odometry for Robot-based Ice-water Boundary Exploration},
author = {Lin Zhao and Mingxi Zhou and Brice Loose},
journal= {arXiv preprint arXiv:2303.17005},
year = {2023}
}
备注
accepted at IROS 2023