基于测量不确定度的视觉惯性自适应融合算法

针对环境复杂的工业现场定位精度低、适应性差、鲁棒性低等问题，提出一种基于测量不确定度的视觉惯性自适应融合算法，分析基于隐函数模型的视觉定位测量不确定度，并依据视觉定位测量不确定度自适应调整卡尔曼滤波模型中的参数，校正视觉观测偏差，增强视觉惯性融合定位算法在不同观测条件下的鲁棒性。利用精密三轴转台及激光跟踪仪T-mac位姿测量系统对所提融合定位算法的定位精度进行实验验证。实验结果表明，相比传统扩展卡尔曼滤波方法，所提方法能满足视觉观测较差条件下的准确定位需求。