DynaVINS++：基于自适应截断最小二乘法与稳定状态恢复的动态环境下鲁棒视觉-惯性状态估计器

尽管在动态环境下进行鲁棒视觉-惯性导航系统的研究已很多，但许多方法仍然容易受到突然开始移动的对象的影响，这些对象被称为“突发动态对象”。此外，大多数方法仅在特征关联层面考虑动态对象的影响。在本研究中，我们观察到由于由移动对象引起的错误对应关系导致的 IMU 偏置项错误传播，引起状态估计发散。为克服这些问题，我们提出一种称为 DynaVINS++ 的鲁棒 VINS 框架，采用 a) 基于特征关联和 IMU 预积分的自适应截断最小二乘法，以有效最小化动态对象影响并减少计算成本，以及 b) 带偏置一致性检查的稳定状态恢复，以纠正误估的 IMU 偏置并防止突发动态对象引起的发散。在公共数据集和真实世界数据集上的验证表明，我们的方法在动态环境中表现出色，包括包含突发动态物体的场景。