信息科学与工程
曲萍萍, 于浩楠, 于腾丽, 陈云浩, 周忠鸿, 霍文强, 王尔申
针对无人车在视觉退化环境中视觉同步定位与地图构建(simultaneous localization and mapping,SLAM)重定位失效的问题,提出一种轮式里程计(wheel odometry,WO)辅助视觉里程计(visual odometry,VO)的自适应协同重定位算法。该算法构建了基于误差状态卡尔曼滤波(error-state Kalman filter,ES-KF)的WO/VO融合模型,提升无人车路径规划的定位精度。针对无人车运行中存在视觉特征点不足导致的难以重定位的问题,提出了一种WO/VO自适应协同重定位算法,通过设计WO/VO系统与WO的切换机制,提升无人车的定位连续性和路径规划的可靠性。利用搭建的无人车平台,在不同情况下对算法进行实验验证与对比。研究结果表明,基于ES-KF的WO/VO融合方法提升了无人车定位性能,绝对轨迹误差(absolute trajectory error,ATE)较单一VO和单一WO分别降低了39.1%和59.2%,路径重合度分别提高了9.2%和11.5%;并在视觉退化场景下实现了WO辅助的自适应协同重定位。ES-KF相较扩展卡尔曼滤波(extended Kalman filter,EKF)与无迹卡尔曼滤波(unscented Kalman filter,UKF)在轨迹精度与位姿估计稳定性方面均表现更优,显著增强了路径融合效果与系统鲁棒性。