7、车辆技术中的计算机视觉：多视角下的MAV位姿估计

车辆技术中的计算机视觉：多视角下的MAV位姿估计

1 系统概述

在车辆技术中，计算机视觉起着至关重要的作用。以自主Pixhawk MAV系统为例，它采用立体系统和光流相机作为主要传感器，各组件有着不同的处理频率，如下表所示：
| 组件 | 处理频率 |
| — | — |
| 立体处理 | 15 Hz |
| 视觉里程计 | 10 Hz |
| SLAM + 闭环检测、位姿估计器 | 200 Hz |
| 姿态观测器 | 200 Hz |
| 位置控制器 | 50 Hz |
| 姿态控制器 | 200 Hz |
| 映射 | 10 Hz |
| 探索模块 | 10 Hz |

该系统的传感器包括立体相机、带ARM MCU的光流相机、罗盘、pxIMU等，同时还有高级Linux飞行计算机（Intel Core 2 1.86GHZ）和低级实时控制器（ARM7），甚至还涉及外部计算机。对于自动悬停和自动导航所需的位置控制，需要一个能够进行完整6自由度位姿测量的传感器，在本系统中通过数字相机来解决这一问题。

2 自我运动估计

在大多数方法中，自我运动估计是通过将IMU信息与视觉测量信息融合来实现的。通过传感器融合，可以以高更新率可靠地计算MAV的位姿。视觉测量在这个过程中至关重要，因为仅依靠惯性测量的积分会积累较大的漂移。

2.1 基于惯性和视觉测量的状态估计

状态估计采用扩展卡尔曼滤波器（EKF）来融合惯性和视觉测量信息。状态估计器的输入包括来自IMU的陀螺仪和加速度计的高更新率旋转速度和加速度，以及低更新率的相机位姿。相机