视觉-惯性-声学传感器融合,用于准确自主定位水下车辆
IEEE transactions on cybernetics
|March 3, 2025
概括
这项研究引入了一种新的传感器融合方法,将视觉,惯性和声学数据结合起来,以增强水下车辆定位. 该方法显著提高了准确性,在具有挑战性的水下条件下超过现有系统的性能.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 传感器融合式传感器
- 水下航行水下导航
背景情况:
- 现有的视觉惯性同步定位和绘图 (SLAM) 系统在水下环境中退化.
- 水下车辆需要准确的自主定位来进行导航和操作.
研究的目的:
- 为了提高水下车辆的自主定位精度.
- 在水生环境中克服视觉或视觉惯性SLAM的局限性.
主要方法:
- 提出了一种紧密结合的视觉-惯性-声学传感器融合方法.
- 集成的多普勒速度日志 (DVL) 用于声速传感.
- 在前端跟踪和后端映射中执行多式联络信息融合.
主要成果:
- 通过共同减少视觉,惯性和DVL错误,实现了更好的姿势估计.
- 通过将视觉和惯性数据的相对姿势变化残留量最小化,改进了关键框架姿势.
- 与最先进的方法相比,在本地化准确度上有超过30%的改进.
结论:
- 拟议的视觉-惯性-声学融合方法显著提高了水下车辆定位的准确性.
- 集成DVL数据对于在具有挑战性的水下环境中强大的性能至关重要.
- 该方法显示了在水下机器人和导航中实际应用的巨大潜力.


