GVINS：紧耦合 GNSS-视觉-惯性融合的平滑一致状态估计
机器人学
2021-09-01 v3
摘要
视觉-惯性里程计 (VIO) 众所周知存在漂移问题，尤其在长期运行中。本文提出 GVINS，一种基于非线性优化的系统，将 GNSS 原始测量与视觉和惯性信息紧耦合，以实现实时且无漂移的状态估计。我们的系统旨在复杂室内外环境下提供准确的全局 6-DoF 估计，其中 GNSS 信号可能间歇甚至完全不可用。为将全局测量与局部状态关联，提出一种由粗到细的初始化流程，以仅从短窗口测量中高效在线标定变换并初始化 GNSS 状态。随后将 GNSS 码伪距与多普勒频移测量连同视觉与惯性信息建模，并在因子图框架中用于约束系统状态。针对复杂且 GNSS 不友好的区域，讨论并谨慎处理退化情况以确保鲁棒性。得益于紧耦合多传感器方法与系统设计，我们的系统充分发挥三类传感器的优势，能够无缝应对室内外环境间卫星丢失与重捕获的过渡。我们通过仿真与真实世界实验广泛评估所提系统，结果表明我们的系统大幅消除了 VIO 的漂移，并在 GNSS 测量含噪情况下保持局部精度。具有挑战性的室内外与城市驾驶实验验证了 GVINS 在复杂环境中的可用性与鲁棒性。此外，实验还表明，即便仅有一颗卫星我们的系统亦可获益，而传统 GNSS 算法至少需四颗。
引用
@article{arxiv.2103.07899,
title = {GVINS: Tightly Coupled GNSS-Visual-Inertial Fusion for Smooth and Consistent State Estimation},
author = {Shaozu Cao and Xiuyuan Lu and Shaojie Shen},
journal= {arXiv preprint arXiv:2103.07899},
year = {2021}
}