基于抗干扰特征提取的视觉_惯性融合导航算法研究.pdf

基于抗干扰特征提取的视觉/惯性融合导航算法研究

摘要

随着导航技术的发展和传感器性能的提升，视觉惯性融合导航的方法因其独立性

高、自主性强、误差不会随时间累积，受到越来越多的重视和研究，且在越来越多的

场景中和载体上投入使用。但当系统的摄像机传感器受到雨滴、灰尘等遮挡干扰时，

或载体处于高动态环境中，会导致无法根据图像信息获取到最够数量的、能反应载体

实际运动的特征点。这将导致导航效果大大减弱。现有的抗遮挡干扰特征提取方法多

为基于图像修复的目标恢复，修复后的遮挡区域易出现伪影、模糊；现有的抗动态干

扰特征提取多为基于像素级的语义分割方法，计算量非常大。针对上述问题，本文基

于深度学习方法综合利用视觉信息和惯性信息，设计了抗干扰特征提取方法。

1、针对抗遮挡干扰问题，设计了基于时空解耦Transformer的视频修复网络。网

络包括对齐网络、上下文匹配器和解码器，基于多帧信息互补，利用参考帧上相关区

域的信息修复目标区域的空缺。设计了基于编码器和回归器的对齐网络，用于对齐不

同帧的图像信息；研究了基于时空解耦的Transformer，构建了上下文匹配器，实现缺

损区域修复的时间一致性和空间一致性，避免修复后出现模糊、错位和伪影等现象。

通过实验验证，设计的视频修复网络修复效果良好，修复后的图像能为导航系统提供

足够有效的视觉信息。

2、针对抗动态干扰问题，设计了基于目标检测和惯性约束的两阶段动态特征点剔

除模型。根据YOLOv5网络设计了目标检测模型，实现动态特征点的粗筛选。筛选出

的动态物体上不仅包括需要剔除的动态特征点，而且包括实际静止的半动态特征点。

利用惯性信息设计了惯性约束模型，实现了动态特征点的精筛选，筛选出实际处于运

动状态的动态特征点。将筛选出的动态特征点剔除，保留能反应载体实际运动的静态

特征点，用以进行后续的位姿估计。通过实验验证，模型能够精确且迅速地剔除动态

特征点，减小导航定位的误差。

3、针对初始化效率低的问题，设计了基于多运动状态的初始化模型。根据导航系

统初始化时的载体运动状态将初始化模式分为两种，运动模式和静止模式。设计了一

种选择初始化模式的策略，综合利用惯性信息和视觉信息，判断当前载体所处的状

态，从而选择不同的初始化模式。研究了动态初始化模式，结合载体实际情况，设计

了静态初始化模式。通过实验验证，初始化处于载体静止状态时，系统初始化效率更

高，初始导航精度更高。

哈尔滨工程大学硕士学位论文

关键词：视觉惯性导航；视频修复；惯性对极约束；多状态初始化

基于抗干扰特征提取的视觉/惯性融合导航算法研究

Abstract

Withthedevelopmentofnavigationtechnologyandtheimprovementofsensor

performance,themethodofvisualinertialfusionnavigationhasattractedmoreandmore

attentionandresearchbecauseofitshighindependence,strongautonomyandnoaccumulation

oferrorsovertime,andhasbeenputintouseinmoreandmorescenesandcarriers.However,

whenthecamerasensorofthesystemisdisturbedbyraindrops,dust,etc.,orthecarrierisina

highlydynamicenvironment,themaximumnumberoffeaturepointsthatcanreflecttheactual

movementofthecarriercannotbeobtainedaccordingtotheimageinformation.Thiswill

greatly