Visual-Inertial Odometry，VIO中文名為視覺慣性里程計。對無人機的定位來說，實時性是一個重要的條件，視覺里程計常常要在計算代價和精確度之間做權(quán)衡。VIO可以在同樣的條件下，獲得更好的效果。同時價格成本也是重要的指標，相比于昂貴的激光雷達，攝像機和IMU是低價普適的傳感器。

圖像匹配技術是計算機視覺的重要組成部分, 在目標識別、圖像拼接、運動跟蹤、圖像檢索、自動定位等研究中起著重要作用。圖像特征匹配是圖像匹配的一種重要方法，圖像進行特征匹配分三個關鍵步驟：檢測關鍵點、提取描述向量和特征匹配;通過檢測關鍵點和提取描述向量構(gòu)造出局部特征描述子，然后進行特征匹配。

絕大多數(shù)四旋翼飛行器在自主飛行時都依賴于某種外部定位信息，通常是一個動作捕獲系統(tǒng)，有時是借助GPS。零度自控研究過VIO集群，但在日常集群表演中為可靠起見，采用二維碼視覺定位，為了舞臺表演效果更好，對地面的二維碼做了隱身處理。賓比法尼亞大學的Vijay Kumar實驗室的Aaron Weinstein, Adam Cho, and Giuseppe Loianno更專注純粹的視覺慣性里程計定位，讓一群12個重量為250g的四旋翼飛行器以緊密的隊形飛行，每個飛行器僅僅使用了一個小相機和一個簡單的IMU裝置;當然，單一的相機和IMU是可伸縮的，現(xiàn)在很多的智能技術正在趨于成熟，因此只要空間允許，可以根據(jù)實際需求擁有越來越多的傳感器。像立體照相機這樣的傳感器可以用于繪制環(huán)境地圖并識別其他車輛，從而獲得完全分布式的解決方案。

這是最大的一群不依賴于運動捕獲或GPS的視覺慣性里程計四旋翼飛行器。與之前的一些工作相比，解決方案主要有以下幾個區(qū)別：

第一，研發(fā)了一個可擴展(Scalable)和可延伸(extensible)的多視覺四旋翼飛行器控制架構(gòu)。這里可擴展指可以很容易地向系統(tǒng)中加入額外的飛行器而不損失整個系統(tǒng)的性能表現(xiàn)。

第二，這是第一次在不依賴GPS或者一個外部動作捕捉系統(tǒng)的情況下，將感知，路徑規(guī)劃和控制結(jié)合來實現(xiàn)多可互換飛行器(達到12個四旋翼飛行器)的自動導航。

第三，使用商業(yè)化的零部件并將源代碼開源在網(wǎng)上。這是目前為止最大的不依賴于動作捕捉系統(tǒng)或者GPS的自動四旋翼飛行器蜂群系統(tǒng)。我們希望任何人都能在不使用昂貴的動作捕捉系統(tǒng)的情況下實驗開發(fā)多MAV集群系統(tǒng)。

四旋翼飛控基于運行ROS系統(tǒng)高通驍龍開發(fā)板。該開發(fā)板包含一個四核處理器，一對VGA立體相機和一個4K攝像機。飛行中每個無人機僅僅使用了一到兩個核的處理能力，一個簡單的慣性單元IMU，以及一個朝下的帶有160°視野的VGA攝像頭。每個四旋翼的工作是利用視覺慣性里程計(VIO)來估計它從起始位置移動的距離和方向，這樣就能很好的逼近它的相對位置。它簡單地識別并跟蹤其相機視角中的視覺特征：如果無人機的攝像頭看見一個物體，而這個物體在整個框架中從右向左移動，無人機就可以推斷(在它的IMU的幫助下)它正在向右移動。像這樣的航跡計算方法會導致一些漂移，在位置估計上的小錯誤會隨著時間的推移而增加，但是賓夕法尼亞大學的研究人員們已經(jīng)設法控制了誤差，即使在無人機飛行超過100米之后，總體位置誤差僅僅超過半米。

每個無人機跟蹤記錄它自己的位置的同時，還將這些位置信息更新以10 Hz的頻率通過一個5G Hz的Wi-Fi發(fā)送給一個地面基站?；旧线\行著ROS系統(tǒng)，收集所有這些位置更新信息，然后將命令發(fā)回給集群以改變隊形。每一個獨立無人機唯一收到的只是一系列目標點坐標和一個開始時間;因為每個無人機獨自計算自己的軌跡，所以地面基站并不需要做所有的規(guī)劃。這使得整個事情變得輕量化和分散，使得集群系統(tǒng)可以很容易地擴展到更多的無人機規(guī)模。值得注意的是，對于每個無人機而言，它根本不是一個集群的一部分— 它只監(jiān)視自己的位置然后從一個坐標點移動到另一個坐標點，完全意識不到(直接或非直接地)它周圍還有其他的無人機。盡管如此，整個系統(tǒng)工作的很好，可以從視頻中看到，無人機并沒有發(fā)生相互碰撞。

視頻中的戶外測試有以下幾個點需要注意。其中有些是在非常低的光線條件下完成的，對于任何VIO系統(tǒng)來說，都是一個令人印象深刻的表現(xiàn)，因為VIO系統(tǒng)依賴于足夠的特征識別來進行良好的位置估計，在晚上這會是一件棘手的事情。還有一件你可能無法從視頻看出的事，戶外測試的平均風速是10mph，18mph的陣風。這是一個非常魯棒的跟蹤，換句話說，這使得它更像是一個可以實際使用的系統(tǒng)，而不僅僅是一個先進的試驗例子。

賓大研究人員下一步正在研究魯棒性、環(huán)路閉合、密集重建等一些關鍵技術。目前正在開發(fā)一個基于視覺里程計的能使漂移減小的閉環(huán)模塊，因為在這個項目里每個機器人需要知道它的起始位置，但當閉環(huán)問題解決了的時候就不需要了。為了在災難場景中以分布列的方式獲得一個協(xié)調(diào)密集的重建環(huán)境，這些車輛將很快部署，也在努力減少地面基站的數(shù)量，同時著手研究一種增加地層回彈的新戰(zhàn)術。最后，我們也在人機交互方面做了一些改進和探索，使機器人更好地完成和支持與人類之間的協(xié)調(diào)。