.png){kind=icon}
返回
Gaussian process-driven monocular vision-based state estimation for autonomous navigation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.robot.2026.105620.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于单目视觉的姿态估计算法框架被开发用于在无全球导航卫星系统（GNSS）的动态环境中实现自主实时导航。该框架通过高斯过程回归（GPR）将地标和静态物体的距离建模为基于单目视觉输入获取的物体分割信息的功能，并利用非线性优化和协方差自适应最优方差滤波来估计移动机器人/车辆姿态，其适用于各种初始状态和误差协方差条件（甚至在没有间歇性GNSS更新时）。同时，研究了所开发状态观测器的稳定性以及估计误差协方差的有界性。通过在多种动态环境和感知退化条件下（包括间歇性视觉输入和不同导航场景）使用车辆测试平台，实验评估了所设计框架的实时性能。在高动态城市环境中进行的全面测试证实了所提出方法的一致且精确的姿态估计、有界估计误差和计算效率。状态估计器的最大处理时间小于10毫秒，使得该框架对于低于30-50赫兹的任何视觉输入流都具有计算效率。此外，还提供了一个视觉感知系统，用于定制关键地图元素（包括静态地标和道路特征），并在繁忙的市中心和大学校园区域进行了实验评估。
Keyword:
Autonomous navigation
Monocular vision-based state estimation
Gaussian processes
Observer design
Stability analysis
High-definition maps
