Stereo-Vision-Aided Inertial Navigation

Kurzfassung

Das Wissen um Position und Lage spielt für viele Anwendungen eine entscheidende Rolle. Diese Arbeit zeigt die enge Verknüpfung von inertialer Navigation und optischen Informationen, um dieses Wissen zu gewinnen. Die vorgestellte Methode basiert auf rein passiven Messungen und ist unabhängig von externen Referenzen. Damit eignet sie sich für die Navigation in unbekannten Umgebungen sowohl in Innen- als auch in Außenbereichen. Ein Hauptaugenmerk liegt auf der Gewinnung von Bewegungsinformationen aus optischen Systemen. Unterstützt durch inertiale Bewegungsdaten werden natürliche Merkmale einer Umgebung verfolgt, um daraus die Eigenbewegung einer Stereokamera abzuleiten, die dazu beiträgt, die inertiale Sensordrift zu kompensieren. Die Nutzung der inertialen Messungen liefert eine signifikanten Beitrag zur Vermeidung von Fehlzuordnungen und zur Reduzierung von Rechenleistung. Die gemessene Erdbeschleunigung dient als vertikale Referenz, welche die Navigationslösung zusätzlich stabilisiert. Die inertiale Navigation, ein Koppelnavigationsverfahren, hat eine große Bedeutung und ist Gegenstand vieler Forschungsarbeiten. Bei der Koppelnavigation wird aus der zuletzt bekannten Position sowie der gemessenen Geschwindigkeit und Zeit die aktuelle Position bestimmt. Zusätzliche langzeitstabile externe Messungen, wie z.B. GPS, ergänzen die guten Kurzzeiteigenschaften der inertialen Navigation und begrenzen aufsummierte Fehler. Obwohl das Verfahren für viele Anwendungen sehr gut funktioniert, zeigt es Schwächen, wenn die stützende Messung fehlerhaft oder nicht verfügbar ist. Der Einsatz unabhängiger Systeme wie z.B. optischer Sensoren, Barometer oder Odometer stellt daher eine sinnvolle Ergänzung dar. Zunächst stelle ich einen allgemeinen Ansatz für ein Multisensor-System zur Positions- und Lagemessung vor. Hierbei beleuchte ich die gesamte Systemkette, beginnend mit der Auslegung der Hardware-Komponenten über die Datenerfassung und die Kalibrierung bis zur Ableitung höherwertiger Informationen aus fusionierten Sensordaten. Insbesondere die detaillierte Betrachtung möglicher Fehlerquellen liefert ein wichtigen Beitrag zum Systemverständnis. Anhand einiger Navigationsaufgaben im Innen- und Außenbereich stelle ich beispielhaft das Ergebnis einer Integration von optischen- und inertialen Messdaten dar.