GravCal：基于单张图像的 IMU 重力先验校准
计算机视觉与模式识别
2026-03-23 v1
摘要
重力估计是视觉-惯性感知、增强现实和机器人技术中的关键问题，但由于线性加速度、振动和瞬态运动，IMU 提供的重力先验常常不可靠。现有方法要么直接从图像中估计重力，要么假设惯性输入相当准确，导致针对单张图像校正噪声重力先验的实际问题几乎未被解决。我们提出了 GravCal，一种用于单张图像重力先验校准的前馈模型。给定一张 RGB 图像和一个噪声重力先验，GravCal 会预测校正后的重力方向以及每个样本的置信度得分。该模型结合了两种互补预测，包括对输入先验的残差校正和与先验无关的图像估计，并使用学习到的门控机制对其进行自适应融合。大量实验表明，与原始惯性先验相比，GravCal 在均值角度误差上显著提升：从 22.02°降低到14.24°，当先验 severely 受损时，改进幅度更大。我们还引入了一个包含 148K 多帧的新型数据集，包含来自多种场景和任意相机姿态下的配对 VIO 计算得到的真实重力和 Mahony 滤波 IMU 先验。学习到的门控机制与先验质量相关，为下游系统提供了有用的置信度信号。
引用
@article{arxiv.2603.19654,
title = {GravCal: Single-Image Calibration of IMU Gravity Priors with Per-Sample Confidence},
author = {Haichao Zhu and Qian Zhang},
journal= {arXiv preprint arXiv:2603.19654},
year = {2026}
}
备注
14 pages, 4 figures