随着电子定位导航的发展,越来越多的研究者力求找到一种稳定、精准的定位导航方式用于机器人、自动驾驶、飞行器、或AR、VR等行业。目前有许多解决方案,比如激光雷达、GPS等,但是他们存在一定的缺点,如成本太高或对地形、信号传输方式有一定要求。视觉惯性里程计(VIO)是一种用于对物体进行定位、导航多传感器融合的导航定位方式,它融合了摄像头实时图像数据和惯性传感器(IMU)数据,弥补了单一传感器误差大、实时性差等缺点,省去了激光雷达的成本,满足了定位导航所需的准确度。本课题提出了一种视觉惯性传感器系统,旨在使其轻松地部署在机器人、飞行器等需要定位导航的目标上,以使目标具备强大的即时定位与地图构建(SLAM)能力,并有助于降低研究SLAM相关算法的难度。通过一个摄像头与ARM+FPGA主控连接、以及一个IMU,提供高质量的陀螺仪和加速度计测量、校准,在硬件上与图像同步,从而达到单视觉SLAM系统难以实现的鲁棒性和准确性。除了原始数据外,系统还将提供使用FPGA预处理后的数据,如图像关键点检测、对比度增强等。能显著降低SLAM算法的计算复杂性,并使其可在资源受限的平台上使用,解决了目前大多视觉惯性里程计直接采用USB接口的独立模块造成算法计算量大、对PC/GPU硬件要求高、算法时间同步精度不高的问题,提供了一个通用性强、可编程性高、部署灵活的SLAM前端数据采集平台。本文着重分析了ZYNQ FPGA采集摄像头数据、ZYNQ ARM采集IMU数据、ZYNQ ARM无操作系统端读取图像数据出现断层问题、MT9V034摄像头Bayer数据格式、ZYNQ内部AXI＿HP AXI＿GP总线接口数据协议、ZYNQ芯片多核软硬件协同工作、FPGA端VDMA等IP核、ARM端(PS端)核间通信等;对从摄像头采集数据到Linux解算显示逐级传递详细过程进行剖析,以确保数据真实有效,实时同步,以便后续直接在ZYNQ Linux操作系统使用传感器融合算法处理。最后通过ZYNQ Linux编写系统驱动,使用USB高速接口连接上位机机器人操作系统(ROS)传输数据进行直观显示,实现多级联调以确保系统稳定可行。