D-GVIO：面向多智能体系统的缓冲驱动高效去中心化 GNSS-视觉-惯性状态估计器
机器人学
2026-03-04 v2
摘要
协同定位是 collaborative exploration 和搜救任务等群体应用的关键需求。然而，在资源受限平台上实现实时性、鲁棒性和计算效率仍面临重大挑战。为此，我们提出 D-GVIO，一种缓冲驱动的完全去中心化 GNSS-视觉-惯性 Odometry（GVIO）框架，利用新颖的缓冲策略支持高效稳健的分布式状态估计。该框架具有四个核心机制：首先，通过协方差分段、协方差交叉和缓冲策略，将分布式状态估计中的传播和更新步骤模块化，显著降低计算和通信负担；其次，采用左不变扩展卡尔曼滤波（L-IEKF）进行信息融合，由于其状态转移矩阵独立于系统状态，显示出优于传统扩展卡尔曼滤波（EKF）的优越状态估计性能；其次，采用基于缓冲的重传策略，通过利用 L-IEKF 高效准确地处理延迟测量，无需昂贵的重新计算；最后，提出一种自适应缓冲驱动的异常值检测方法，用于动态剔除 GNSS 异常值，增强在 GNSS 受限环境中的鲁棒性。
引用
@article{arxiv.2603.01404,
title = {D-GVIO: A Buffer-Driven and Efficient Decentralized GNSS-Visual-Inertial State Estimator for Multi-Agent Systems},
author = {Yarong Luo and Wentao Lu and Chi Guo and Ming Li},
journal= {arXiv preprint arXiv:2603.01404},
year = {2026}
}
备注
Accepted by ICRA 2026