实时运动结构重建是自主车辆、机器人导航、空间探测器自主降落、智能监控等领域中的重要研究课题。目前实时运动结构重建主要存在着特征匹配困难、鲁棒性差、系统无法自动获取初始参数和需要大量人工干预等诸多问题。利用高速CMOS摄像机与惯性传感数据融合提高了运动结构重建算法的精度及其鲁棒性。该算法在扩展卡尔曼滤波框架下是通过融合惯性与视觉传感器的数据来进行运动估计的。对场景中的每一个待估计结构的特征点建立对应的卡尔曼滤波器

以估计其空间三维结构信息。运动估计模块与结构估计模块交替运行

减小了系统运算的复杂度

提高了实时性能。通过对真实场景图像序列的实验验证结果表明

惯性传感器的额外信息能够有效地提高运动结构估计的精度

能够增强算法的鲁棒性。