A statistical analysis of position estimation errors in visual odometry

Over the last decade, visual odometry has become a key feature of unmanned ground and aerial vehicles. The decrease in costs of cameras and computational power have made this technology a valuable alternative to other kinds of navigation systems. In many applications, visual odometry is coupled with systems such as GPS and INS to improve the overall performance. However, while the errors affecting GPS and INS have been widely studied and described in literature, no attempts in characterizing the dynamics of the noise of visual odometry systems have been made. The aim of this thesis is to investigate these noise dynamics. Sixteen different experiments were performed with a drone estimating its position by means of a stereoscopic camera. The noise affecting the visual odometry process has been analyzed with a statistical, time-domain-based method called Allan Variance, and the results of the experiments have been compared to understand how different choices of some flight and environmental parameters can change the characteristics of the noise dynamics. Lastly, a Kalman predictor has been constructed to compare the noise dynamics obtained from the analysis with the dynamics of the real noise measured.

Nel corso dell’ultimo decennio, l’odometria visiva è diventata una caratteristica sempre più importante per i veicoli autonomi, sia terrestri che aerei. Il ridursi dei costi di potenza computazionale e delle videocamere hanno reso questa tecnologia una conveniente alternativa ad altre tipologie di sistemi di navigazione. In molte applicazioni, l’odometria visiva è accoppiata a sistemi come il GPS e l’INS per aumentare la performance totale. Tuttavia, mentre gli errori che affliggono il GPS e l’INS sono stati ampiamente studiati e descritti in letteratura, nessuna caratterizzazione della dinamica dei rumori agenti sui sistemi di odometria visiva è mai stata oggetto di studio. L’obiettivo di questa tesi è investigare tale dinamica. Sono stati compiuti sedici diversi esperimenti, in cui un drone ha stimato la propria posizione per mezzo di una videocamera stereoscopica. Il rumore agente sul sistema di odometria visiva è stato analizzato tramite un metodo statistico chiamato Varianza di Allan, e i risultati degli esperimenti sono stati confrontati tra loro per osservare come differenti scelte di alcuni parametri - di volo e ambientali - possono modificare le caratteristiche del rumore. Infine, è stato costruito un predittore di Kalman per comparare la dinamica del rumore ottenuta dall’analisi con quella del rumore misurato.