手机视觉与惯性融合的松耦合滤波算法

在智能手机和互联网的普及状态下,对高精度定位技术的需求也更加显著,精确定位服务已渗透到各个领域,如物联网、无人驾驶、机器快递员、应急救援等。在室外环境下,这些服务大多由全球卫星导航系统提供;然而,在深山丛林、矿井隧道、地下室等室内环境下,由于信号衰减及多径效应的影响,GPS无法正常工作。本文针对一些特殊的室内场景,研究了基于松耦合滤波的视觉惯性融合导航方法,设计了一个面向智能手机平台的室内行人定位系统。该方法视觉前端采用了快速、稳健的稀疏直接法,后端采用了扩展卡尔曼滤波器来融合惯性信息,能够有效融合视觉和惯性信息,达到恢复单目视觉尺度、提高稳健性的效果,实现了高精度的室内行人定位。