车载大视场视觉惯性组合导航算法研究

车载视觉导航在大角度旋转和高速运动等场景下表现不佳，由于视觉和惯性的误差特性互补，所以视觉惯性组合导航算法有良好的应用前景。大视场相机获取外界信息丰富，但大视场相机采样频率低影响视觉数据采集，而且基于优化的组合导航算法计算速度慢，故提出了一种适用于大视场相机的车载视觉惯性组合导航算法。该算法侧重于数据预处理：设计了基于伽马函数的对比度受限自适应直方图均衡化来降低图像噪声，通过FAST角点与光流法的组合完成特征提取与跟踪，进一步加快了计算速度。引入了惯性数据等效旋转矢量二子样算法来减少数据量和计算量，通过预积分算法为误差优化减少计算量，通过视觉误差、惯性误差以及边缘化误差联合优化来提高精度。与其他组合导航算法相比，该算法精度较高，计算速度最快，与VINS-Mono相比节省时间19.7%。