1. 课程导入
当无人机飞入室内、峡谷、城市楼宇之间或卫星导航被干扰的区域时，GPS 往往无法提供稳定、连续、可信的位置信息。此时，无人机若仍要完成自主悬停、避障、路径跟踪与返航，就必须依靠自身携带的相机、惯性测量单元等传感器，实时估计“我在哪里、我朝哪里、我移动了多快”。这正是视觉里程计与航迹推算要解决的核心问题。
本课程围绕“如何让无人机仅凭视觉与惯性信息实现连续定位与轨迹估计”展开。学习目标不是记住若干算法名称，而是建立一条从传感器数据到位姿输出、再到飞行控制的完整技术链路认知。学完本课程，你应当能够理解视觉里程计的基本原理，掌握航迹推算的数学表达，能够分析不同方案的适用边界，并具备阅读、调试和评估相关系统的能力。
本节核心问题：无人机在没有 GPS 或 GPS 不可靠时，如何利用相机图像序列与惯性数据，连续估计自身位置、姿态和运动轨迹？
一、学习目标与能力地图
本课程的学习目标可分为四个层次。第一层是概念层：理解视觉里程计、视觉惯性里程计、航迹推算、位姿、尺度、漂移等基本术语。第二层是原理层：掌握特征点法、光流法、直接法、惯性预积分、卡尔曼滤波与非线性优化等核心方法。第三层是系统层：能够把相机模型、IMU 模型、时间同步、外参标定、初始化、后端优化和回环检测串成完整系统。第四层是应用层：能够针对室内巡检、隧道飞行、灾后搜救、农业植保等场景选择合适方案，并判断其精度、鲁棒性与实时性边界。
为了便于建立整体框架，可以用下面的能力地图来理解本课程的知识结构：
二、核心概念：从“里程计”到“航迹推算”
视觉里程计（Visual Odometry, VO）是指利用相机图像序列估计相邻帧之间相机运动，并逐步累积得到轨迹的方法。它不依赖外部定位基础设施，只依靠图像本身。VO 的输出通常是相机位姿序列，若相机与无人机机体之间的外参已知，就可以换算为无人机位姿。
视觉惯性里程计（Visual-Inertial Odometry, VIO）是在 VO 基础上引入 IMU 数据。IMU 提供高频角速度和加速度，能够在图像帧间进行短时位姿预测，弥补视觉在快速运动、弱纹理或遮挡时的不足；视觉则提供长期观测约束，抑制 IMU 积分产生的漂移。二者融合，形成当前无人机定位的主流方案。
航迹推算（Dead Reckoning）是一个更基础的概念：已知初始位置和姿态，通过对速度、角速度进行积分，递推得到后续位置和姿态。它不依赖外部观测，短时精度高、输出频率高，但误差会随时间累积。视觉里程计本质上是一种“带观测修正的航迹推算”，而 VIO 则是“视觉观测 + 惯性递推”的紧耦合或松耦合实现。
关键区分：VO 只回答“相机怎么动”，VIO 回答“无人机怎么动且尺度如何”，航迹推算回答“从上一时刻状态如何递推到下一时刻状态”。三者是层层递进、互相支撑的关系。
三、方法流程：一条完整的数据链路
无论采用特征点法、直接法还是深度学习法，一个典型的视觉惯性里程计系统通常包含以下步骤：
- 传感器采集与同步：相机以 20～60 Hz 采集图像，IMU 以 100～1000 Hz 采集角速度和加速度，并进行时间戳对齐。
- 前端视觉处理：提取特征点或计算光度误差，进行帧间跟踪，估计相对运动。
- IMU 预积分：在相邻图像帧之间对 IMU 测量进行积分，得到相对旋转、速度和位置增量。
- 初始化：估计重力方向、速度、尺度、IMU 零偏和相机-IMU 外参。
- 后端优化：构建因子图或滑动窗口，联合优化视觉重投影误差与 IMU 预积分残差。
- 回环检测与重定位：识别曾经到过的位置，消除累积漂移，构建全局一致轨迹。
- 输出与融合：将位姿、速度、协方差输出给飞控，参与位置环与速度环控制。
下面给出一个简化的参数配置示例，帮助理解系统运行时需要关注的关键量：
# 典型 VIO 系统关键参数示例
camera:
resolution: 752x480
frame_rate: 30 Hz
model: pinhole + radtan
imu:
rate: 200 Hz
noise_gyro: 0.005 rad/s/√Hz
noise_acc: 0.05 m/s²/√Hz
fusion:
estimator: sliding_window_optimization
window_size: 10 frames
keyframe_interval: 0.5 m
enable_loop_closure: true
output:
pose_rate: 200 Hz
frame_id: world
四、典型应用场景与方案对比
不同场景对视觉里程计与航迹推算的要求差异很大。下表从环境特征、主要挑战和推荐方案三个维度进行对比：
| 应用场景 | 环境特征 | 主要挑战 | 推荐方案 | 关键指标 |
|---|---|---|---|---|
| 室内巡检 | 纹理丰富、光照稳定 | 尺度漂移、长期累积误差 | 单目 VIO + 回环检测 | 定位误差 < 1% 轨迹长度 |
| 隧道飞行 | 弱纹理、重复结构 | 视觉退化、特征误匹配 | 双目 VIO + IMU 强约束 | 失效检测响应 < 200 ms |
| 灾后搜救 | 烟尘、动态遮挡、光照剧变 | 快速初始化、鲁棒性 | 多传感器融合 + 深度学习特征 | 初始化时间 < 2 s |
| 农业植保 | 重复农田纹理、低空飞行 | 高度估计、地面纹理单一 | 下视光流 + 气压计 + IMU | 高度误差 < 0.3 m |
| 城市楼宇间 | GPS 多径、动态障碍 | GNSS 不可信、尺度变化 | VIO + GNSS 松耦合 | 水平误差 < 2 m |
五、常见误区与学习复盘
误区一：认为视觉里程计可以完全替代 GPS。VO/VIO 会随时间产生漂移，长时间飞行仍需回环检测、地图匹配或外部基准修正。
误区二：忽视时间同步与外参标定。相机与 IMU 之间哪怕几毫秒的时间偏差，也会在快速运动时造成显著位姿误差。
误区三：只关注算法，不关注传感器质量。低纹理、运动模糊、卷帘快门、IMU 饱和都会直接导致系统失效，算法无法凭空恢复信息。
误区四：把航迹推算等同于低精度。航迹推算在短时、高频输出上具有不可替代的优势，关键在于与视觉观测形成互补。
学习本课程时，建议始终围绕三个问题复盘：第一，当前方法依赖哪些观测？第二，这些观测在什么条件下会退化或失效？第三，系统如何检测失效并切换到备用策略？把这三个问题贯穿到每一章，就能从“会调包”走向“能设计、能排障、能评估”。