DM-VIO：延迟边缘化视觉-惯性里程计
计算机视觉与模式识别
2022-01-12 v1 机器人学
摘要
我们提出 DM-VIO，一种基于两项新技术（称为延迟边缘化和位姿图光束法平差）的单目视觉-惯性里程计系统。DM-VIO 对视觉残差采用动态权重进行光度光束法平差。我们采用边缘化这一流行策略以约束更新时间，但它不易逆转，且相连变量的线性化点必须固定。为克服此问题，我们提出延迟边缘化：其思想是维护第二因子图，其中边缘化被延迟。这使我们能够随后重新推进该延迟图，从而得到具有新的且一致的线性化点的更新边缘化先验。此外，延迟边缘化使我们能够将 IMU 信息注入已边缘化的状态。这是所提位姿图光束法平差的基础，我们将其用于 IMU 初始化。与先前 IMU 初始化工作不同，它能够捕获完整的光度不确定性，改善尺度估计。为应对初始不可观测的尺度，我们在 IMU 初始化完成后继续在主系统中优化尺度和重力方向。我们在 EuRoC、TUM-VI 和 4Seasons 数据集上评估我们的系统，这些数据集包含飞行无人机、大规模手持和汽车场景。得益于所提 IMU 初始化，我们的系统超越了视觉-惯性里程计的 SOTA，甚至仅使用单个相机和 IMU 便优于立体惯性方法。代码将发布于 http://vision.in.tum.de/dm-vio
引用
@article{arxiv.2201.04114,
title = {DM-VIO: Delayed Marginalization Visual-Inertial Odometry},
author = {Lukas von Stumberg and Daniel Cremers},
journal= {arXiv preprint arXiv:2201.04114},
year = {2022}
}