У даній роботі досліджується застосування алгоритму Візуально-інерційного SLAM (Visual Inertial Simultaneous Localization and Mapping) для навігації автономного робота. З розвитком технологій автономної навігації, постає потреба в ефективних методах, які дозволяють роботам орієнтуватися у складних середовищах. Візуально-інерційний SLAM поєднує дані з камер та інерціальних вимірювальних пристроїв, що забезпечує високу точність локалізації та побудови карти.

Протягом десятиліть було досліджено кілька підходів до SLAM на основі фільтра частинок, розширеного фільтра Калмана та нейронних мереж. Ці підходи розроблені для побудови карт у різних представленнях, включаючи представлення на основі орієнтирів, поверхонь, полігональної сітки та сітки зайнятості. Нині вони широко використовуються для таких додатків, як планування руху роботів у невідомому середовищі та використовуються в безпілотних автомобілях, безпілотних літальних апаратах та автономних підводних апаратах.

Ця робота спрямований на одночасну локалізацію та нанесення на карту робота в невідомому внутрішньому середовищі, використовуючи дані одометрії інерційного вимірювального пристрою (Inertial Measurement Unit) та особливі точки, виявлені стереокамерою. Для досягнення цієї мети реалізовано розширений підхід на основі фільтра Калмана. Фільтр Калмана є оптимальною лінійною оцінкою для моделей лінійної системи з адитивним незалежним білим шумом як у системах прогнозування, так і в системах спостереження. Розширений фільтр Калмана адаптував методи числення, а саме багатовимірні розкладання в ряд Тейлора, для лінеаризації нелінійної моделі.

Запропоновані рішення можуть бути корисними для вдосконалення автономних систем, таких як роботи для доставки, дронів і мобільних платформ, а також для розробки нових методів інтеграції сенсорних даних у сучасних технологіях навігації.

DOI: https://doi.org/10.31649/mccs2024.2-13