Visual Inertial Navigation System（VINS）は、視覚センサーと慣性センサーのデータを巧みに組み合わせることで、自律型ドローンに堅牢なナビゲーションソリューションを提供します。具体的には、悪条件下でも正確で信頼性の高い位置特定とマッピングを可能にします。
データ収集とコンポーネント
VINSは、複数のオンボードコンポーネント（主にカメラと慣性計測ユニット（IMU））に依存しており、これらが連携してUAVの動きとその周囲に関する情報を収集します。カメラは、画像またはビデオフレームをキャプチャすることにより視覚データを提供し、IMUは回転および加速度の測定値を記録します。
視覚サブシステムは、コンピュータビジョンアルゴリズムを使用して、キャプチャされた画像を処理します。これらのアルゴリズムは、特徴検出、追跡、マッチングなどのタスクを実行して、重要な環境特徴を抽出します。連続する画像全体で特徴的な点を識別して追跡することにより、VINSは、位置、速度、姿勢を含むUAVの状態を推定できます。
慣性サブシステムは、線形運動および角運動の高周波測定を提供する加速度計とジャイロスコープで構成されています。これらの正確な測定値は、UAVの動きを追跡し、外部からの妨害を補正するのに役立ちます。最後に、センサーフュージョンアルゴリズムは、IMUデータを視覚情報と統合して、UAVの位置を高精度で推定します。
運用上の利点と課題
VINSは、GNSS信号が途絶えた場合でも信頼性の高いナビゲーションを保証することで、ドローン運用に大きなメリットをもたらします。屋内、密集した都市部、または戦場など、建物、障害物、または信号妨害によってGNSSの受信が妨げられる、衛星信号が弱い、または利用できない環境で優れた性能を発揮します。これらのGNSSが利用できない状況下でも、VINSは視覚的な手がかりと慣性計測に依存することで、正確なローカリゼーションとマッピングを提供し続け、UAVが自身の位置と姿勢を正確に推定し、自律的にナビゲートできるようにします。
VINSのワークフローには、視覚慣性センサーフュージョンや状態推定など、いくつかの重要なステップが含まれています。特徴抽出では、システムは重要な視覚点を識別し、フレーム間で追跡します。次に、センサーフュージョンアルゴリズムが視覚データと慣性データを統合して、統一された状態推定を生成します。状態推定アルゴリズムは、この統合された情報を使用して、ドローンの位置、速度、および姿勢を高精度で計算します。
VINSは、航空マッピング、監視、GNSSデータが信頼できない状況での推測航法など、幅広い用途をサポートしています。
VINSはその強みにもかかわらず、依然として技術的な課題に直面しています。カメラと慣性センサーの統合には、計測精度を確保するための正確なキャリブレーションと同期が必要です。視覚サブシステムのオクルージョンや変動する照明条件などの問題も、継続的な研究が必要です。VINSの堅牢性と性能の強化は、今後の強化における重要な目標であり続けます。
