FAR-AVIO：基于 Schur-Complement 的快速稳健声-视-惯性融合里程计及传感器标定
机器人学
2025-12-29 v2
摘要
水下环境对视觉-惯性里程计系统提出了严苛挑战，由于强光衰减、海洋雪、浑浊度以及弱激发运动，导致惯性可观测性下降，长期运行时频繁发生跟踪失败。虽然紧密耦合的声-视-惯性融合（通常通过声码流速度日志 DVL 集成视觉-惯性测量实现）可提供精确的状态估计，但其基于图的优化常常在资源受限平台上难以实现实时部署。本文提出 FAR-AVIO，一个基于 Schur-Complement 的紧密耦合声-视-惯性里程计框架，专为水下机器人设计。FAR-AVIO 将 Schur-Complement 公式嵌入扩展卡尔曼滤波器（EKF），实现姿态-特征联合优化以保证精度，同时通过高效边缘化特征状态保持恒定时间更新。基于此底层结构，我们引入自适应权重调整与可靠性评估（AWARE）模块，持续评估视觉、惯性和 DVL 测量的可靠性，并自适应调节其 sigma 权重；我们还开发了一种高效的在线标定方案，联合估计 DVL-IMU 外参，而无需专门的标定动作。数值仿真和真实水下实验一致显示，FAR-AVIO 在定位精度和计算效率方面均优于最先进的水下 SLAM 基线，使其能够在低功耗嵌入式平台上实现稳健运行。我们的实现已在 https://far-vido.gitbook.io/far-vido-docs 上开源。
引用
@article{arxiv.2512.20355,
title = {FAR-AVIO: Fast and Robust Schur-Complement Based Acoustic-Visual-Inertial Fusion Odometry with Sensor Calibration},
author = {Hao Wei and Peiji Wang and Qianhao Wang and Tong Qin and Fei Gao and Yulin Si},
journal= {arXiv preprint arXiv:2512.20355},
year = {2025}
}