一种用于视觉-惯性里程计的改进多状态约束卡尔曼滤波
机器人学
2024-10-29 v2 计算机视觉与模式识别
图像与视频处理
摘要
快速位姿估计（PE）对于敏捷自主机器人的任务成功执行至关重要。诸如GPS和GNSS等全球定位系统通常与惯性导航系统（INS）融合用于位姿估计。然而，低更新率以及缺乏合适信号使其在室内和城市应用中不实用。另一方面，视觉-惯性里程计（VIO）作为GNSS/INS系统在拒止GPS环境中的实用替代方案正日益流行。在众多基于VIO的方法中，多状态约束卡尔曼滤波（MSCKF）因其鲁棒性、速度和精度而受到更多关注。为此，在资源受限载体上实时实现MSCKF所伴随的高图像处理计算成本仍是一项具有挑战性的 ongoing 研究。本文提出了一种增强版MSCKF。为此，提出了不同的特征边缘化与状态剪枝策略，从而得到一个快得多的算法。所提算法在开源数据集和真实世界实验中均进行了测试以作验证。结果表明，所提Fast-MSCKF（FMSCKF）比标准MSCKF算法快约六倍，且最终位置估计精度至少提高20%。
引用
@article{arxiv.2210.08117,
title = {An Improved Multi-State Constraint Kalman Filter for Visual-Inertial Odometry},
author = {M. R. Abdollahi and Seid H. Pourtakdoust and M. H. Yoosefian Nooshabadi and H. N. Pishkenari},
journal= {arXiv preprint arXiv:2210.08117},
year = {2024}
}