Un système de navigation inertielle visuelle (VINS) offre une solution de navigation robuste pour les drones autonomes en combinant ingénieusement les données des capteurs visuels et inertiels. Plus précisément, il permet une localisation et une cartographie précises et fiables dans des environnements difficiles.
Collecte de données et composants
Un VINS repose sur de multiples composants embarqués, principalement des caméras et des centrales de mesure inertielle (IMU), qui fonctionnent ensemble pour collecter des informations sur le mouvement d'un UAV et son environnement. Les caméras fournissent des données visuelles en capturant des images ou des séquences vidéo, tandis que les IMU enregistrent les mesures de rotation et d'accélération.
Le sous-système visuel utilise des algorithmes de vision par ordinateur pour traiter les images capturées. Ces algorithmes extraient des caractéristiques environnementales importantes, en effectuant des tâches telles que la détection, le suivi et la mise en correspondance des caractéristiques. En identifiant et en suivant les points distinctifs à travers les images successives, le VINS peut estimer l'état de l'UAV, y compris sa position, sa vitesse et son orientation.
Le sous-système inertiel est constitué d'accéléromètres et de gyroscopes qui fournissent des mesures à haute fréquence du mouvement linéaire et angulaire. Ces lectures précises aident à suivre les mouvements de l'UAV et à compenser les perturbations externes. Enfin, les algorithmes de fusion de capteurs intègrent les données de l'IMU avec les informations visuelles pour produire une estimation très précise de la position de l'UAV.
Avantages et défis opérationnels
VINS offre un avantage majeur pour les opérations de drones en assurant une navigation fiable, même lorsque les signaux GNSS sont perdus. Il fonctionne bien dans les environnements où les signaux satellites sont faibles ou indisponibles — comme à l'intérieur, dans les zones urbaines denses ou les zones de guerre — où les bâtiments, les obstacles ou le brouillage des signaux bloquent la réception GNSS. Dans ces conditions de non-accès au GNSS, VINS continue de fournir une localisation et une cartographie précises en s'appuyant sur des repères visuels et des mesures inertielles, permettant aux UAV de maintenir des estimations précises de leur position et de leur orientation et ainsi de naviguer de manière autonome.
Le workflow VINS comprend plusieurs étapes clés, telles que la fusion des capteurs inertiels visuels et l'estimation d'état. Lors de l'extraction des caractéristiques, le système identifie les points visuels importants et les suit à travers les images. Les algorithmes de fusion de capteurs fusionnent ensuite les données visuelles et inertielles en une estimation d'état unifiée. Les algorithmes d'estimation d'état utilisent ces informations fusionnées pour calculer la position, la vitesse et l'orientation du drone avec une grande précision.
VINS prend en charge un large éventail d'applications, notamment la cartographie aérienne, la surveillance et la navigation à l'estime dans les situations où les données GNSS ne sont pas fiables.
Malgré ses atouts, VINS est toujours confronté à des défis techniques. L'intégration des caméras et des centrales inertielles exige un étalonnage et une synchronisation précis pour garantir la précision des mesures. Les problèmes tels que les occlusions et les conditions d'éclairage variables pour les sous-systèmes visuels nécessitent également des recherches continues. L'amélioration de la robustesse et des performances de VINS reste un objectif clé pour les améliorations futures.
