谭 静，赵健康，崔 超

(上海交通大学 电子信息与电气工程学院，上海 200240)

0 引 言

精确的导航数据是保证机器人稳定运行的核心。现有惯性导航技术的累积误差限制了该方法的精度和应用。INS/GPS组合导航技术[1,2]在室内等GPS失效场景中又无法提供可靠的导航信息。区域无线导航技术[3,4]又受限于繁琐的基站布置工作无法用于大型场景。视觉惯性里程计通过融合视觉信息与IMU数据，可以在GPS失效时提供精确的导航数据，主动的信息摄入方式又避免了繁琐的基站布置。但现有方法计算复杂，对主控设备性能要求高。基于此，本文提出一种基于误差状态粒子滤波器(ESPF)的双目相机与IMU融合的组合导航方法。将双目视觉和IMU解耦为两个独立的模块，针对传感器观测周期不一致问题，采用欧拉积分对无观测时的系统状态进行航迹推算。通过把状态量映射到李代数空间，将无法直接获得四元数随机粒子分布的过程转化为向量空间的随机粒子求解问题，以融合相机解算的位姿信息与IMU测量数据实现小型无人平台运动信息的实时估计。为了在保证更好的跟踪载体运动状态的同时，减小航迹推算阶段的累积误差，提高状态信息的输出频率，在滤波算法中实时估计了IMU的漂移。方法中将相机与IMU解耦为独立模块的算法结构降低了计算的复杂程度，同时更方便进行传感器的故障检测与隔离，有利于提高算法的鲁棒性。实验结果表明，本文提出的算法具有良好的实时性与鲁棒性，能够满足低成本小型无人平台导航的需求。……