郭恩特, 陈志峰, 范振嘉, 黄立勤, 潘 林

(福州大学物理与信息工程学院, 福建 福州　350116)

0　引言

自动驾驶和辅助驾驶系统中重要的一点是车辆定位和周围物体在物理世界中三维位置测量.由于摄像头相比于距离传感器, 如激光雷达等, 有价格低廉、 重量轻、 耗能少等优点, 因此, 计算机视觉技术在自动驾驶和辅助驾驶系统中有非常广泛的应用.例如在特斯拉汽车中, 无人驾驶硬件部分Autopilot2.0用了3个前置摄像头而没有使用激光雷达.结合深度学习, 计算机视觉在图像目标检测上有很大的突破, 例如, 最新的目标检测YOLO9000可以检测9 000种类别, 在VOC2007数据集上测试, 检测速度67 帧·s-1, 平均精度达到76.8 mAP[1].但是目前的CNN, 比如R-CNN, SSD等, 只能判断目标物体在图像上哪个位置[2-3], 而自动驾驶和辅助驾驶更加关心周围物体在三维世界中的位置和车辆的位置.

目前对实际物理世界中摄像机位置和物体位置估计的方法中基于视觉的同时定位于地图创建(vSLAM)是一个非常重要的方法[4].在vSLAM中, 假定周围环境都是静止的, 提取和匹配特征点, 使得每一帧重投影误差最小, 估计特征点在三维世界中的位置和摄像机的位置[5-6].但是单目slam具有尺度不确定性, 不论轨迹和环境放大和缩小多少倍都能得到同样的观测图像[7].视觉slam需要匹配精确的特征点, 复杂度较高, 在对实时性要求高的情况下很难做到高准确度.

随着MEMS 惯性传感器(IMU)的发展, MEMS IMU体积越来越小, 精度越来越高, 价格也不断降低, MEMS IMU结合嵌入式系统……