Abstract: The navigation of autonomous aerial vehicles requires reliable estimates of state variables such as their position e orientation. Several control methods exist for this purpose, but the inability to accurately estimate the positioning makes autonomous navigation unfeasible, especially in closed environments. This work Proposto a framework for visual-inertial odometry based on neural networks capable of working with sensors at multiple input frequencies, combining the precision of visual localization methods with the high update rates of inertial methods. The framework is modular and achieves an ATE deviation around 0.30m, RPE of 2.5% e 2.0 degrees/s, in addition to a refresh rate of around 200Hz Ver menos

Resumo: A navegação de veículos aéreos autônomos exige estimativas confiáveis de variáveis de estado como posição e orientação dos mesmos. Existem diversos métodos de controle para este fim, mas a inabilidade em estimar com precisão o próprio posicionamento inviabiliza a navegação autônoma, principalmente em ambientes fechados. Este trabalho propôs um framework para odometria visual-inercial baseado em redes neurais capaz de trabalhar com sensores em múltiplas frequências de entrada, aliando a precisão dos métodos de localização visual com as altas taxas de atualizações de métodos inerciais. O framework é modular e apresenta desvio ATE em torno de 0.30m, RPE de 2.5% e 2.0 graus/s, além de taxa de atualização de cerca de 200Hz Ver menos