ADUGS-VINS：面向高度动态和复杂环境的通用视觉-惯性里程计
计算机视觉与模式识别
2025-03-04 v3
摘要
视觉-惯性里程计（VIO）在机器人、无人机和自动驾驶车辆等领域得到广泛应用。然而，现实场景常包含动态物体，导致 VIO 方法准确性受到影响。这些物体的多样性和部分遮挡给现有动态 VIO 方法带来了巨大挑战。为解决此问题，我们提出 ADUGS-VINS 方法，集成增强版 SORT 算法和可提示基础模型于 VIO 中，从而在包含多样动态物体和频繁遮挡的环境中提高姿态估计精度。我们使用多个公开数据集代表不同场景，以及实际包含多样动态物体的真实场景进行评估。实验结果表明，我们的方法在多个场景下均表现出色，超越其他最先进方法。这凸显了其在多样动态环境中的卓越泛化性和适应性，展示了其处理实际应用中各种动态物体的潜力。
引用
@article{arxiv.2411.19289,
title = {ADUGS-VINS: Generalized Visual-Inertial Odometry for Robust Navigation in Highly Dynamic and Complex Environments},
author = {Rui Zhou and Jingbin Liu and Junbin Xie and Jianyu Zhang and Yingze Hu and Jiele Zhao},
journal= {arXiv preprint arXiv:2411.19289},
year = {2025}
}