一种用于视觉惯性里程计的通用基于关键帧的无结构滤波器

通过融合来自至少一个相机和一个惯性测量单元（IMU）的数据进行运动估计，使得许多机器人应用成为可能。然而，在众多视觉惯性里程计（VIO）方法中，很少有方法能高效估计设备运动并具备一致协方差，且在线标定传感器参数以处理来自消费级传感器的数据。本文用一种基于关键帧的无结构滤波器（KSF）弥补这一空白。为高效，地标不被包含在滤波器状态向量中。为鲁棒，KSF 使用关键帧概念关联特征观测并管理状态变量。为灵活，KSF 支持随时标定 IMU 系统误差，以及每个相机的外参、内参和时间参数。估计器一致性和传感器参数的可观测性通过仿真分析。对设计选项（如特征匹配方法和相机数量）的敏感性用 EuRoC 基准研究。传感器参数估计在原始 TUM VI 序列和智能手机数据上评估。此外，姿态估计精度在 EuRoC 和 TUM VI 序列上对比近期 VIO 方法评估。这些测试确认，当数据包含充分运动时 KSF 可靠标定传感器参数，并一致地估计运动，精度可与近期 VIO 方法媲美。我们的实现在消费级笔记本上以立体相机图像 42 Hz 运行。