视觉惯性系统中多个惯性测量单元的快速外参标定
机器人学
2024-10-15 v1
摘要
本文提出一种用于融合多个惯性测量单元（MIMU）的快速外参标定方法，以提高视觉惯性里程计（VIO）的定位精度。目前，MIMU的数据融合算法高度依赖于惯性传感器的数量。基于惯性传感器之间的外参已完美标定的假设，融合算法随着IMU数量的增加可提供更好的定位精度，但忽略了外参标定误差的影响。我们的方法构建了两个非线性最小二乘问题，分别估计MIMU的相对位置和姿态，且不依赖于外部传感器和惯性噪声的在线估计。然后，我们给出了虚拟IMU（VIMU）方法的一般形式，并提出了其在流形上的传播。我们在数据集、自制的传感器板以及带有不同IMU的板上执行了我们的方法，验证了我们的方法在速度、精度和鲁棒性方面优于竞争方法。在仿真实验中，我们表明仅使用我们的标定方法融合两个IMU来预测运动即可媲美九个IMU。真实世界实验表明，集成了我们标定方法和流形上VIMU传播的VIO具有更好的定位精度。
引用
@article{arxiv.2409.16228,
title = {Fast Extrinsic Calibration for Multiple Inertial Measurement Units in Visual-Inertial System},
author = {Youwei Yu and Yanqing Liu and Fengjie Fu and Sihan He and Dongchen Zhu and Lei Wang and Xiaolin Zhang and Jiamao Li},
journal= {arXiv preprint arXiv:2409.16228},
year = {2024}
}