闫宝龙，赵东花，刘晓杰，吴新冬，闫德利，王晨光，申 冲

(1. 中北大学仪器科学与动态测试教育部重点实验室，太原 030051；2. 中北大学仪器与电子学院，太原 030051；3. 中北大学信息与通信工程学院，太原 030051)

0 引言

随着无人机、无人车等无人运动平台的发展，具有自主导航能力的惯性导航系统(Inertial Navigation System，INS)以及高精度的全球定位系统(Global Positioning System，GPS)等逐渐发展成为研究热点。但是，在复杂环境下，GPS信号易受干扰，INS单独工作误差易随时间积累，而利用视觉传感器进行导航参数测量不存在误差随时间漂移的问题，且具有体积小、成本低、自主性强等优点。因此，视觉/惯性组合导航可以校正INS因积分造成的组合导航误差，逐渐成为研究热点[1]。

N.Gageilk[2]和D.Honegger[3]等利用光流传感器完成了无人机的定点悬停。2015年，M.Bloesch等提出了鲁棒视觉惯性里程计[4],该算法将视觉信息与惯性测量信息进行紧耦合，在保持精度的同时减少了计算量。文献[5]使用双输入光流估计网络(FlowNetCorr)[6]的卷积层部分实现视觉特征提取，再使用惯性信息与图像的融合特征进行姿态解算，能够提升里程计的解算精度，但由于FlowNetCorr层数较多，训练成本较大，不适合包含深度信息的全导航参数估计。文献[7]运用Lucas-Kanade(LK)算法和块匹配算法，从两帧图像中得到图像光流信息，再与INS的输出信息和高度计输出信息进行融合，运用卡尔曼滤波(Kalman Filter，KF)得出无人机在惯性坐标系下的速度。文献[8]提出了一种光流法和改进ORB特征点匹配算法融合的单目视觉里程计方法，利用光流和改进ORB基于阈值循环运行，相较于传统的光流视觉里程计，精度得到了提高。……