基于视觉与惯性传感器的缩减规模车辆与真实规模车辆定位算法比较
机器人学
2026-04-01 v1
摘要
物理缩减规模车辆正在涌现以加速先进自动驾驶功能的开发。在本文中，我们研究了规模对自我定位精度的影响，同时使用视觉和视觉-惯性算法，这些算法使用摄像头和惯性测量单元 (IMU)。为此，选择了与为真实规模车辆选择的基准数据集。对缩减规模车辆进行一次试驾，以记录缩减规模车辆的数据。我们将所选的定位算法 OpenVINS、VINS-Fusion 和 RTAB-Map 进行比较，依据其对地面实况的姿态精度进行评估。就所选定位算法的实现而言，OpenVINS 在平均定位误差方面最低。尽管所有所选定位算法都有重叠的误差范围，但 OpenVINS 也在应用于缩减规模车辆时表现最佳。就缩减规模车辆与真实规模车辆而言，发现了 translational vehicle motion 估计精度的细微差异。然而，在比较 rotational vehicle motion 估计精度时，未发现显著差异，这使得 RSVRs 可用作自我定位算法的测试平台。
引用
@article{arxiv.2507.11241,
title = {Comparison of Localization Algorithms between Reduced-Scale and Real-Sized Vehicles Using Visual and Inertial Sensors},
author = {Tobias Kern and Leon Tolksdorf and Christian Birkner},
journal= {arXiv preprint arXiv:2507.11241},
year = {2026}
}