无外部定位系统下高速飞行无人机的机载状态估计：A2RL无人机竞速决赛入围方案
该研究提出一种仅用单目RGB相机与IMU的无人机机载状态估计方法，融合VIO、机载地标相机测量与IMU数据，并通过新的漂移模型估计和补偿VIO漂移，校正位置、姿态、线速度与角速度全部VIO状态。作者称现有方法多依赖立体相机或测距仪等更复杂硬件且使用未校正的漂移量，快速机动时误差较大。方法经1600次仿真与多次真实实验验证，并在A2RL无人机竞速挑战赛2025中从210支队伍晋级四强、获得奖牌。
发布于 10-22 13:01来源：arXiv cs.RO
转载 · 官方发布原文：arXiv cs.RO ·《Onboard UAV State Estimation for Fast Flights Without External Localization Systems: A2RL Drone Racing Finalist Approach》查看原链
arXiv:2602.01860v2 公告类型：替换 摘要：在杂乱且无GNSS环境中进行激进机动的高速飞行，需要快速、可靠且准确的无人机状态估计。 本文提出一种使用单目RGB相机和IMU的高速无人机机载状态估计方法。 该方法融合视觉惯性里程计（VIO）、机载基于地标的相机测量系统与IMU的数据，生成准确的状态估计。
利用机载测量数据，我们通过一种新颖的漂移模型估计并补偿VIO漂移。 现有先进方法通常依赖更复杂的硬件（如立体相机或测距仪），并使用未校正的漂移VIO速度、姿态和角速率，导致快速机动时出现误差。 相比之下，我们的方法校正所有VIO状态（位置、姿态、线速度与角速度），从而在快速动态运动期间仍能实现准确状态估计。
我们通过1600次仿真和大量真实实验对该方法进行了充分验证。 此外，我们将所提方法应用于A2RL无人机竞速挑战赛2025，团队从210支队伍中晋级四强并获得一枚奖牌。