- Ｋｅｊｉａｎ等人［２６］（ＷｕＫＪ，ＧｕｏＣＸ，ＧｅｏｒｇｉｏｕＧ，ｅｔａｌ．ＶＩＮＳ ｏｎ ｗｈｅｅｌｓ）将轮式里程计和ＩＭＵ、视觉结合，提出了一种ＶＩＮＳＯｎＷｈｅｅｌｓ算法，通过里程计的平面运动假设来为ＩＭＵ提供可观性约束，从而提高ＶＩＮＳ的准确性和稳定性，图１．８是ＶIＮＳＯｎＷｈｅｅｌｓ的算法示意图。然而由于ＶＩＮＳ中需要对加速度的ｂｉａｓ和重力进行初始化，在移动平台上ＩＭＵ是不好充分初始化的，所以该算法的效果并不是很好。
本章结构安排如下：３．］节阐述了机器人位姿表示方法。３．２节以ＩＭＵ和双
目的融合为例介绍了一种多传感器频率同步方法。３．３节以相机和激光雷达的标
定为例，详细讲解了外参在线标定方法的原理和实现细节。３．４节是本章实验结
果，验证了在线标定算法的准确性和优势。３．５节是对本章内容的小结。
本章的结构如下：４．２节介绍了多传感器融合定位通用框架，具体阐述了该
框架的通用性以及该框架与多传感器融合定位的联系。４．３节阐述了ＩＭＵ－双目视
觉融合定位系统，包括视觉惯性配准算法的原理和系统结构。４．４节阐述了２Ｄ
激光雷达－陀螺仪－双目视觉融合定位系统，分析了其相比于ＩＭＵ双目融合定位的
性能差异。４．５节对里程计－陀螺仪－双目视觉融合定位系统进行了详细的研究，
分析并阐述了实现细节。４．６节是本章实验结果。４．７节是对本章的小节。