22、视觉惯性导航优化与轨迹态势感知技术研究

视觉惯性导航优化与轨迹态势感知技术研究

视觉惯性导航优化算法

在全球导航卫星系统（GNSS）完全不可用，且视觉惯性导航系统随时间累积误差的场景下，提出了一种基于地标识别的定位信息优化算法。在无人机飞行任务中，可以获取部分先验地标图像和坐标信息，利用这些地标训练深度神经网络（如YOLOv4目标检测网络）来准确识别地标。通过准确的地标识别获取全局位置信息，可优化VINS - Mono算法的位姿估计，提高导航系统的鲁棒性和无人机的智能水平。

• 算法总体框架 ：基于地标识别的视觉惯性导航定位优化算法框架主要由地标识别网络模块、视觉惯性导航系统和定位优化模块三个部分组成。该算法旨在解决旋翼无人机在GNSS拒止环境中自主飞行时视觉惯性导航系统累积误差的问题。先训练深度神经网络识别地标并获取其位置信息，计算全局坐标，最后根据全局坐标校正无人机的估计轨迹，以减少视觉惯性导航系统的累积误差，提高地图绘制精度。

graph LR
    A[地标识别网络模块] --> B[视觉惯性导航系统]
    B --> C[定位优化模块]
    C --> B[视觉惯性导航系统]

• 视觉惯性导航系统（VINS - Mono）
  • IMU预积分 ：在视觉惯性里程计（VIO）中，将IMU测量值在世界坐标系中积分时，积分项包含机体坐标系和世界坐标系之间的瞬时旋转矩阵。在进行位姿优化时，关键帧时刻机体坐标系和世界坐标系