摘要
文章提出了一种基于RGBD相机和惯性测量单元(Inertial Measurement Unit,IMU)数据融合的视觉同步定位与建图(Simultaneous Localization and Mapping,SLAM)系统.利用RGBD相机的深度数据进行初始化和视觉惯性里程计(Visual-Inertial Odometry,VIO)计算,可以解决单目视觉惯性里程计初始化困难的问题,并提高系统在光照变化环境下的精度和鲁棒性.在机器人平台上进行室内走廊的实验,实验结果表明该算法的初始化速度要优于VINS-Mono方法,并且有效提高了移动机器人自主定位的精度.
NETL
NSTL
万方数据