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、直線運動および角運動の高頻度測定を行う加速度計とジャイロスコープで構成されています。これらの高精度な測定値により、UAVの動きを追跡し、外部からの外乱を補正することが可能になります。最後に、センサーフュージョンアルゴリズム IMU 視覚情報を統合し、UAVの位置を極めて正確に推定します。
運用上の利点と課題
VINSは、GNSS 途絶えた場合でも信頼性の高い航法を実現することで、ドローンの運用に大きなメリットをもたらします。建物や障害物、あるいはジャミング GNSS ジャミング 屋内、密集した都市部、戦場など、衛星信号が弱いか利用できない環境においても、優れた性能を発揮します。GNSS状況下でも、VINSは視覚的手がかりと慣性計測に依存することで、正確な位置特定とマッピングを継続的に提供します。これにより、UAVは自身の位置や姿勢を正確に推定し続け、自律的な航行が可能となります。
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、航空測量、監視、GNSS 利用できない状況下での推測航法など、幅広い用途に対応しています。
その強みにもかかわらず、VINSには依然として技術的な課題が存在します。カメラと慣性センサーを統合するには、測定精度を確保するために精密な較正と同期が必要です。また、視覚サブシステムにおける被写体の遮蔽や照明条件の変動といった問題についても、継続的な研究が求められています。VINSの堅牢性と性能の向上は、今後の改良における重要な目標であり続けています。
