摘要
在无GPS环境下实现可靠定位是自主无人机（UAV）在仓库内部作业的前提条件，而轻量化单目相机搭配惯性测量单元（IMU）和机载计算机则是机载平台所能携带的最小感知与处理配置。本文针对该场景提出了一种紧耦合的单目点特征视觉惯性里程计（VIO）系统，该系统基于GTSAM固定滞后因子图实现，采用逆深度路标、流形上的IMU预积分以及在线闭环姿态图。本系统作为正在研发中的室内物流仓库自主库存管理无人机的初始估计阶段。决定性的设计要素在于初始化引导：单目估计器的度量级、重力对齐初始化仅在平移丰富的轨迹条件下才是良态的，而每次室内飞行开头的近零基线取货与起飞瞬态恰恰违反了这一条件。在VINS-Mono的视觉惯性对齐基础上，我们通过预捆绑调整条件门和连续窗口初始化加固了这一步骤，后者在平滑器内部精化整个引导窗口，而非冻结单一种子。在全部11条EuRoC MAV序列上，以及一架微型飞行器在工业大厅和两个仪器化房间中记录的机载室内飞行测试数据上，针对每种运行环境采用单一固定配置，所有序列均收敛，包括另外三个会发散数十至数千米的序列；在与本地运行的VINS-Mono和PL-VINS基线使用相同特征流驱动的情况下，本系统在11条中的9条上取得了更优的纯里程计精度，在机器厅场景上ATE RMSE为0.12–0.37米，配对符号秩检验确认了这一相对于VINS-Mono的显著优势，但在该样本量下尚未确认相对于PL-VINS的优势。我们将固定的滞后边际化识别为主要的一致性局限，并指出首次估计雅可比（FEJ）边际化是通向更具一致性的估计器的路径，从而在公开基准上确立了一个特征化的仅点基线，作为后续平台内工作的起点。
