今天介紹的文章是“Robust initialization of monocular visual-inertial estimation on aerial robots”——用于無(wú)人機(jī)單目視覺(jué)慣性估計(jì)的魯棒初始化方法，該文章是香港科技大學(xué)沈邵劼老師的一篇經(jīng)典文章，發(fā)表在ICRA2017。
由于視覺(jué)慣性系統(tǒng)的非線性，無(wú)論是基于濾波或基于圖優(yōu)化的方法，其估計(jì)器的性能都嚴(yán)重依賴于初始值的準(zhǔn)確性。一旦初始化不良，不僅會(huì)降低收斂速度，甚至導(dǎo)致錯(cuò)誤的估計(jì)。因此，魯棒的初始化算法，對(duì)六自由度無(wú)人機(jī)的安全飛行而言是至關(guān)重要的。
但是，實(shí)際過(guò)程中，視覺(jué)慣性系統(tǒng)很難得到準(zhǔn)確的初始狀態(tài)。一方面，單目相機(jī)的尺度信息不能直接觀測(cè)得到；另一方面，需要非零加速度的運(yùn)動(dòng)來(lái)初始化尺度信息。但在時(shí)間有限的搜救任務(wù)中，當(dāng)MAV靜止不動(dòng)或者以固定模式運(yùn)動(dòng)時(shí)，這種初始化方法便會(huì)失效。不依賴無(wú)人機(jī)運(yùn)動(dòng)的先驗(yàn)知識(shí)，便能快速啟動(dòng)并初始化估計(jì)器是十分必要的。另外，在快速運(yùn)動(dòng)或強(qiáng)烈的光照變化下，視覺(jué)算法很難提取出豐富的特征點(diǎn)。一旦特征點(diǎn)跟蹤丟失，估計(jì)器便會(huì)失效。因此，研究能在飛行中魯棒初始化估計(jì)器的方法是必要的。
本文作者提出了一個(gè)魯棒的估計(jì)器初始化算法，能夠在飛行時(shí)為單目視覺(jué)慣性系統(tǒng)（VINS）提供高質(zhì)量的初始狀態(tài)。
圖1.(a)本文方法初始化過(guò)程的結(jié)構(gòu)圖。(b)用于室內(nèi)閉環(huán)實(shí)驗(yàn)，帶前置相機(jī)的四旋翼飛行器。
如圖1所示，視覺(jué)部分執(zhí)行運(yùn)動(dòng)恢復(fù)結(jié)構(gòu) （Structure from Motion，SfM），建立相機(jī)姿態(tài)與特征點(diǎn)位置關(guān)系的結(jié)構(gòu)圖。IMU部分做預(yù)積分約束，得到尺度信息。將兩部分結(jié)果對(duì)齊，可以校正陀螺儀偏差，并得到非線性緊耦合優(yōu)化框架中的公制尺度，速度，重力矢量的初值。作者的方法可以無(wú)需知道任何關(guān)于系統(tǒng)狀態(tài)和運(yùn)動(dòng)的先驗(yàn)信息，便能在各種情況下成功初始化。
最后，作者通過(guò)無(wú)人機(jī)公共數(shù)據(jù)集和實(shí)物實(shí)驗(yàn)中驗(yàn)證了本文算法的有效性。值得一提的是，非常感謝沈老師將很多論文的源碼開(kāi)放供大家學(xué)習(xí)，本文算法鏈接：https://github.com/qintony/M-VINS
圖2.本文算法在EuRoC數(shù)據(jù)集上的運(yùn)行結(jié)果。
圖3.本文算法在室內(nèi)/室外實(shí)驗(yàn)結(jié)果。Groundtruth分別采用OptiTrack和GPS的結(jié)果。
?