基于不变容积卡尔曼滤波的线特征单目视觉惯性里程计
机器人学
2019-12-30 v1 系统与控制
系统与控制
摘要
为实现机器人导航的鲁棒且精确的状态估计，我们基于不变卡尔曼滤波与容积卡尔曼滤波（CKF）理论，提出了一种带有线特征的新型视觉惯性里程计（VIO）算法。与常规CKF不同，该滤波器的状态由高维矩阵李群构造，不确定性由李代数表示。为提高系统在低纹理或光照变化等挑战性场景中的鲁棒性，将线特征引入状态变量。在所提算法中，利用李代数的指数映射构造容积点，并将线的重投影误差构建为观测函数以更新状态。该方法准确描述了旋转中的系统不确定性，降低了系统的线性化误差，将传统CKF从欧氏空间推广到流形。它不仅继承了不变滤波在一致性方面的优势，还避免了高维矩阵的复杂雅可比计算。为验证所提算法的有效性，我们在Euroc数据集上将其与最先进的基于滤波的VIO算法进行比较。结果表明，所提算法在提高估计精度与鲁棒性方面是有效的。
引用
@article{arxiv.1912.11749,
title = {Invariant Cubature Kalman Filter for Monocular Visual Inertial Odometry with Line Features},
author = {Deli Yan and Chunhui Wu and Weiming Wang and Yu Song and Shaohua Li},
journal= {arXiv preprint arXiv:1912.11749},
year = {2019}
}