سامانه موقعیت‌یابی تلفیقی vio مبتنی بر بهینه‌سازی غیرخطی گراف تجزیه

امروزه، موقعیت‌یابی به‌عنوان یکی از جنبه‌های اساسی سامانه‌های مختلف توجه ویژه‌ای به خود جلب کرده است. در طول زمان، خطای سامانه ناوبری اینرسی به‌طور قابل‌ملاحظه‌ای افزایش می‌یابد. این افزایش خطا می‌تواند به مشکلات جدی در فرآیندهای ناوبری، به‌ویژه در مسیرهای ناوبری طولانی منجر شود. به‌منظور تضمین دقت بالاتر و پایداری در مسیرهای ناوبری به مدت طولانی، استفاده از سامانه‌های کمکی پیشرفته و موثر، نیاز است. هدف این مقاله، ارائه یک روش نوآورانه برای موقعیت‌یابی است که با تلفیق داده‌های دوربین و حسگر اینرسی (ins)، به دنبال افزایش دقت در این فرآیند حیاتی است. این روش، به‌ویژه در سامانه‌های خودرو‌های خودران، ربات‌های خانگی و ربات‌های امداد و نجات که در محیط‌های بسته عمل می‌کنند یا در مناطق بدون پوشش gps فعالیت می‌نمایند، اهمیت ویژه‌ای دارد. در نتیجه، نیاز به یک سامانه برخط موقعیت‌یابی برای این سامانه‌ها ضروری است. به این منظور در این مقاله، یک سامانه ناوبری تلفیقی vio برخط در بستر کامپیوتر شخصی پیاده‌سازی کردیم که به مراتب از سامانه اینرسی تنها عملکرد بهتری دارد. بدین طریق که در این سامانه از دوربین به منظور تصحیح خطای جمع‌شونده ins و همچنین تلفیق دوربین و اینرسی با استفاده از گراف تجزیه انجام شد. نتایج صحت سنجی و عملکرد سامانه با استفاده از داده‌های عملی ذخیره نشان داد که سامانه vio پیشنهادی، بیش از 90% بهبود نسبت به ins داشته است.

integrated vio positioning system based on nonlinear factor graph optimization

today, positioning has attracted special attention as one of the fundamental aspects of various systems. over time, the navigation system's error, especially in the inertial navigation system (ins), has significantly increased. this error increase can lead to serious issues in navigation processes, especially on long routes. to ensure the high accuracy and stability of navigation on long routes, the use of advanced and effective auxiliary systems is necessary. the goal of this article is to present an innovative method for positioning by combining camera and inertial sensor data to enhance accuracy in this vital process. this method is particularly important in self-driving vehicles, domestic robots, and search and rescue robots operating in enclosed environments or areas without active gps coverage. consequently, there is a crucial need for a real-time positioning system for these systems. in this article, we have implemented a real-time visual-inertial odometry (vio) navigation system on a pc platform, which performs significantly better than the ins system alone. in this system, cameras are used to correct the accumulated ins error, and the fusion of cameras and inertial data is done using a graph. to validate and evaluate the system, practical data collected by the system are used, demonstrating that the proposed vio system exhibits more than a 90% improvement compared to ins.