Подавление дрейфа инерциальной навигации автомобиля без спутниковых сигналов методами обновлений по нулевой скорости при полной остановке и визуальной привязке
DOI:
https://doi.org/10.24160/1993-6982-2026-3-191-197Ключевые слова:
инерциальная навигаци, ZUPT, нулевое обновление скорости, визуальная одометрия, визуальная георегистрация, визуальный SLAM, расширенный фильтр Калмана, ROS 2, колесная одометрия, неголономные ограничения, навигация без GNSS, мультисенсорная интеграция, автомобильная навигацияАннотация
Потеря или ухудшение спутниковых навигационных сигналов в городских каньонах, тоннелях и помещениях ведут к неустойчивому позиционированию автомобилей и быстрому нарастанию ошибки инерциальной навигации. Предложен программно-аппаратный комплекс автономной навигации без спутниковых сигналов, объединяющий инерциально-колёсную одометрию с двумя взаимодополняющими источниками коррекции: нулевыми обновлениями скорости в моменты полной остановки и визуальной привязкой по данным фронтальной камеры. Использованы датчики ускорений и угловых скоростей, информация из бортовой сети автомобиля и изображения. Оценивание учитывает кинематические (неголономные) ограничения. Проведены моделирование проезда «тоннеля» и натурные заезды по городскому маршруту с многоуровневой парковкой. Сравнение четырёх режимов (только инерциальная навигация, инерциальная навигация с нулевыми обновлениями, инерциальная навигация с визуальной коррекцией, совмещённый режим) показало, что нулевые обновления ступенчато ограничивают рост ошибки между остановками, а визуальная привязка устраняет долгосрочный дрейф. Совмещённый режим удерживает среднюю позиционную погрешность на уровне долей процента пройденного пути и обеспечивает абсолютную ошибку менее 10 м после длительных интервалов без спутниковых сигналов. Решение реализуемо на доступной элементной базе и пригодно для роботизированных и ассистирующих водительских систем.
Библиографические ссылки
1. Moussa M. e. a. Optical and Mass Flow Sensors for Aiding Vehicle Navigation in GNSS Denied Environment // Sensors. 2020. V. 20(22). P. 6567.
2. Liu F. e. a. Implementation and Analysis of Tightly Integrated INS/Stereo VO for Land Vehicle Navigation // J. Navigation. 2017. V. 71(1). Pp. 1—17.
3. Kilic C. e. a. ZUPT-aided GNSS Factor Graph with Inertial Navigation Integration for Wheeled Robots // Proc. 34th Intern. Tech. Meeting of the Satellite Division of the Institute of Navigation. St. Louis, 2021. Pp. 3285—3293.
4. Wang H. e. a. Heading Reference-assisted Pose Estimation for Ground Vehicles // IEEE Trans. Automation Sci. Eng. 2018. V. 16(1). Pp. 448—458.
5. Mur-Artal R., Tardós J.D. ORB-SLAM2: an Open-source SLAM System for Monocular, Stereo and RGB-D Cameras // IEEE Trans. Robotics. 2017. V. 33(5). Pp. 1255—1262.
6. Gakne P.V., O'Keefe K. Tackling the Scale Factor Issue in a Monocular Visual Odometry Using a 3D City Model // Proc. Intern. Tech. Symp. Navigation and Timing. Toulouse, 2018. Pp. 1—11.
7. Rublee E., Rabaud V., Konolige K., Bradski G. ORB: an Efficient Alternative to SIFT or SURF // Proc. Intern. Conf. Computer Vision. Barcelona, 2011. Pp. 2564—2571.
8. Rosten E., Drummond T. Machine Learning for High-speed Corner Detection // Lecture Notes in Computer Sci. Pt. 1. 2006. V. 3951. Pp. 430—443.
9. Lowe D.G. Distinctive Image Features from Scale-invariant Keypoints // Intern. J. Computer Vision. 2004. V. 60(2). Pp. 91—110.
10. Bay H., Tuytelaars T., Van Gool L. SURF: Speeded up Robust Features // Lecture Notes in Computer Sci. Pt. 1. 2006. V. 3951(3). Pp. 404—417.
11. Lepetit V., Moreno-Noguer F., Fua P. EPnP: an Accurate O(n) Solution to the PnP Problem // Intern. J. Computer Vision. 2009. V. 81(2). Pp. 155—166.
12. Geneva P. e. a. OpenVINS: a Research Platform for Visual-inertial Estimation // Proc. IEEE Intern. Conf. Robotics and Automation. Paris, 2020. Pp. 4666—4672.
13. Rosinol A., Abate M., Chang Y., Carlone L. Kimera: an Open-source Library for Real-time Metric-semantic Localization and Mapping // Ibid., Pp. 1689—1696.
14. Usenko V. e. a. Visual-inertial Mapping with Non-linear Factor Recovery // IEEE Robotics and Automation Lett. 2020. V. 5(2). Pp. 422—429.
---
Для цитирования: Маркова Д.А. Подавление дрейфа инерциальной навигации автомобиля без спутниковых сигналов методами обновлений по нулевой скорости при полной остановке и визуальной привязке // Вестник МЭИ. 2026. № 3. С. 191—197. DOI: 10.24160/1993-6982-2026-3-191-197.
#
1. Moussa M. e. a. Optical and Mass Flow Sensors for Aiding Vehicle Navigation in GNSS Denied Environment. Sensors. 2020;20(22):6567.
2. Liu F. e. a. Implementation and Analysis of Tightly Integrated INS/Stereo VO for Land Vehicle Navigation. J. Navigation. 2017;71(1):1—17.
3. Kilic C. e. a. ZUPT-aided GNSS Factor Graph with Inertial Navigation Integration for Wheeled Robots. Proc. 34th Intern. Tech. Meeting of the Satellite Division of the Institute of Navigation. St. Louis, 2021:3285—3293.
4. Wang H. e. a. Heading Reference-assisted Pose Estimation for Ground Vehicles. IEEE Trans. Automation Sci. Eng. 2018;16(1):448—458.
5. Mur-Artal R., Tardós J.D. ORB-SLAM2: an Open-source SLAM System for Monocular, Stereo and RGB-D Cameras. IEEE Trans. Robotics. 2017;33(5):1255—1262.
6. Gakne P.V., O'Keefe K. Tackling the Scale Factor Issue in a Monocular Visual Odometry Using a 3D City Model. Proc. Intern. Tech. Symp. Navigation and Timing. Toulouse, 2018:1—11.
7. Rublee E., Rabaud V., Konolige K., Bradski G. ORB: an Efficient Alternative to SIFT or SURF. Proc. Intern. Conf. Computer Vision. Barcelona, 2011:2564—2571.
8. Rosten E., Drummond T. Machine Learning for High-speed Corner Detection. Lecture Notes in Computer Sci. Pt. 1. 2006;3951:430—443.
9. Lowe D.G. Distinctive Image Features from Scale-invariant Keypoints. Intern. J. Computer Vision. 2004;60(2):91—110.
10. Bay H., Tuytelaars T., Van Gool L. SURF: Speeded up Robust Features. Lecture Notes in Computer Sci. Pt. 1. 2006;3951(3):404—417.
11. Lepetit V., Moreno-Noguer F., Fua P. EPnP: an Accurate O(n) Solution to the PnP Problem. Intern. J. Computer Vision. 2009;81(2):155—166.
12. Geneva P. e. a. OpenVINS: a Research Platform for Visual-inertial Estimation. Proc. IEEE Intern. Conf. Robotics and Automation. Paris, 2020:4666—4672.
13. Rosinol A., Abate M., Chang Y., Carlone L. Kimera: an Open-source Library for Real-time Metric-semantic Localization and Mapping. Ibid., Pp. 1689—1696.
14. Usenko V. e. a. Visual-inertial Mapping with Non-linear Factor Recovery. IEEE Robotics and Automation Lett. 2020;5(2):422—429
---
For citation: Markova D.A. Suppression of Drift in Vehicle Inertial Navigation without Satellite Signals Using Zero-velocity Updates during Complete Stops and Visual Reference. Bulletin of MPEI. 2026;3:191—197. (in Russian). DOI: 10.24160/1993-6982-2026-3-191-197
