一种基于概率的视觉惯性SLAM漂移校正模块
机器人学
2024-08-13 v1
摘要
定位是一个突出的研究领域，特别关注视觉惯性里程计（VIO）和同时定位与地图构建（SLAM）方法。尽管取得了进展，这些方法经常遇到航位推算误差，导致估计的平台运动出现显著漂移，尤其是在长距离行进中。在这种情况下，漂移误差不可忽略，应予以纠正。我们提出的方法通过在每个历元校正任何SLAM方法生成的估计运动来最小化漂移误差。我们的方法将SLAM解决方案提供的定位测量视为随机变量，共同构成多元分布。在此设置中，漂移校正等价于找到该多元分布的众数，该众数联合最大化关于平台运动和环境的若干相关地理空间先验的似然。我们的方法可作为校正模块集成到任何SLAM/VIO方法中。实验结果表明，我们的方法在长距离行进中能够将漂移误差减少10倍。
引用
@article{arxiv.2404.10140,
title = {A Probabilistic-based Drift Correction Module for Visual Inertial SLAMs},
author = {Pouyan Navard and Alper Yilmaz},
journal= {arXiv preprint arXiv:2404.10140},
year = {2024}
}