FEJ-VIRO：一种一致性的首估计雅可比视觉-惯性-测距里程计
机器人学
2022-07-19 v1
摘要
近年来，视觉-惯性里程计(VIO)取得了诸多显著进展。然而，VIO方法在长轨迹下存在定位漂移问题。本文提出一种首估计雅可比视觉-惯性-测距里程计(FEJ-VIRO)，通过将超宽带(UWB)测距测量一致地融入VIO框架来降低VIO的定位漂移。考虑到UWB锚点的初始位置通常未知，我们提出一种长短窗口结构来初始化UWB锚点位置以及状态增广的协方差。初始化后，FEJ-VIRO在估计机器人位姿的同时估计UWB锚点位置。我们进一步分析了视觉-惯性-测距估计器的可观测性，并证明在理想情况下存在四个不可观测方向，而由于伪信息的获取，实际情况下其中之一消失。基于这些分析，我们利用FEJ技术来强制保持不可观测方向，从而降低估计器的不一致性。最后，我们通过仿真与真实世界实验验证了分析并评估了所提出的FEJ-VIRO。
引用
@article{arxiv.2207.08214,
title = {FEJ-VIRO: A Consistent First-Estimate Jacobian Visual-Inertial-Ranging Odometry},
author = {Shenhan Jia and Yanmei Jiao and Zhuqing Zhang and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2207.08214},
year = {2022}
}
备注
8 pages, 6 figures, accepted by The 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022)