DOGE：一种视觉惯性里程计初始化中的外在姿态与陀螺仪偏置估计方法
机器人学
2024-12-12 v1 计算机视觉与模式识别
机器学习
摘要
大多数现有的视觉惯性里程计（VIO）初始化方法依赖于准确的预先标定外参数。然而，在长期使用过程中，由于温度变化、机械挤压等不可逆结构变形会导致外参数发生变化，尤其是旋转部分。现有的初始化方法需要足够的平移运动才能同时估计外参数，导致鲁棒性差、精度低、初始化延迟长。为此，我们提出了一种新的 VIO 初始化方法，联合考虑外在姿态和陀螺仪偏置，并在正常的三角条件下实现高精度和更好的鲁棒性，而无需延迟的旋转标定。首先，设计了一种用于外在姿态和陀螺仪偏置估计的仅旋转约束，该约束紧密耦合陀螺仪测量与视觉观测，可在纯旋转情况下求解。其次，我们提出了一种加权策略和失效检测策略以提高估计器的精度和鲁棒性。最后，我们利用最大后验估计（MAP）在获得足够平移视差之前对结果进行细化。大量实验表明，我们的方法在准确性和鲁棒性方面均优于最先进的方法，同时保持竞争的效率。
引用
@article{arxiv.2412.08135,
title = {DOGE: An Extrinsic Orientation and Gyroscope Bias Estimation for Visual-Inertial Odometry Initialization},
author = {Zewen Xu and Yijia He and Hao Wei and Yihong Wu},
journal= {arXiv preprint arXiv:2412.08135},
year = {2024}
}