[论文解读] Build your own visual-inertial odometry aided cost-effective and open-source autonomous drone

Inkyu Sa, Mina Kamel+6 more|arXiv (Cornell University)|Aug 22, 2017

Robotics and Sensor-Based Localization参考文献 22被引用 3

一句话总结

本论文提出了一款低成本、开源的垂直起降（VTOL）无人机平台，采用现成的视觉-惯性传感器和机载计算机，通过系统校准实现视觉-惯性里程计与模型预测控制。在悬停状态下，姿态误差的均方根（RMS）为0.036米，180米飞行中漂移仅为0.82%，在存在风扰的室内外环境中均表现出稳健性能。

ABSTRACT

This paper describes an approach to building a cost-effective and research grade visual-inertial odometry aided vertical taking-off and landing (VTOL) platform. We utilize an off-the-shelf visual-inertial sensor, an onboard computer, and a quadrotor platform that are factory-calibrated and mass-produced, thereby sharing similar hardware and sensor specifications (e.g., mass, dimensions, intrinsic and extrinsic of camera-IMU systems, and signal-to-noise ratio). We then perform a system calibration and identification enabling the use of our visual-inertial odometry, multi-sensor fusion, and model predictive control frameworks with the off-the-shelf products. This implies that we can partially avoid tedious parameter tuning procedures for building a full system. The complete system is extensively evaluated both indoors using a motion capture system and outdoors using a laser tracker while performing hover and step responses, and trajectory following tasks in the presence of external wind disturbances. We achieve root-mean-square (RMS) pose errors between a reference and actual trajectories of 0.036m, while performing hover. We also conduct relatively long distance flight (~180m) experiments on a farm site and achieve 0.82% drift error of the total distance flight. This paper conveys the insights we acquired about the platform and sensor module and returns to the community as open-source code with tutorial documentation.

研究动机与目标

• 开发一种基于量产、出厂校准硬件组件的低成本、科研级VTOL无人机平台。
• 通过系统校准与参数辨识，实现在无需大量参数调优的情况下实现高精度视觉-惯性里程计与多传感器融合。
• 在真实环境条件下（包括风扰与长距离飞行）验证平台性能。
• 将完整系统（包括代码与教程）以开源形式发布，供科研社区使用。

提出的方法

• 采用现成的视觉-惯性传感器、机载计算机以及具有统一硬件规格的四旋翼机体结构。
• 执行系统校准与参数辨识，以对准相机-IMU系统的内参与外参。
• 采用视觉-惯性里程计与模型预测控制框架进行状态估计与飞行控制。
• 在室内使用动作捕捉系统、在室外使用激光跟踪仪获取真实轨迹，用于验证轨迹精度。
• 应用多传感器融合技术，提升动态条件下状态估计的准确性。
• 在多种环境条件下对悬停、阶跃响应与轨迹跟踪任务进行广泛测试。

实验结果

研究问题

• RQ1 低成本、现成的硬件平台是否能在极少校准工作量的前提下实现高精度视觉-惯性里程计？
• RQ2 在外部风扰条件下，系统的姿态精度与漂移表现如何？
• RQ3 出厂校准的组件在多大程度上可减少自主无人机系统中的人工参数调优需求？
• RQ4 在真实户外环境中进行长距离飞行时，轨迹跟踪精度能达到何种水平？

主要发现

• 在悬停状态下，系统实现了0.036米的均方根（RMS）姿态误差，表明在受控室内条件下具有高精度。
• 在农场场地进行的180米室外飞行中，平台相对于飞行总距离的漂移仅为0.82%，表明具备出色的长期稳定性。
• 使用出厂校准的组件显著减少了对复杂参数调优的需求，从而加快了系统集成速度。
• 通过阶跃响应与轨迹跟踪任务验证，平台在外部风扰条件下仍保持稳健性能。
• 开源发布代码与教程文档，确保了系统的可复现性，并支持社区对平台的扩展与改进。