MambaIO：基于多尺度频率解耦建模的全球坐标惯性里程计
计算机视觉与模式识别
2025-12-30 v2 机器人学
摘要
惯性里程计 (IO) 利用仅来自惯性测量单元 (IMU) 的加速度和角速度测量，实现实时定位，因而是面向消费级应用的有前景的定位解决方案。传统上，研究者通常将IMU测量变换到全局坐标系，以获得更平滑的运动表示。然而，最近的无人机场景研究表明，身体坐标系可显著提高定位精度，促使人们重新评估全局坐标系适用于行人IO的适切性。为此，本文通过理论分析、定性检查和定量实验系统评估了全局坐标系在行人IO中的有效性。基于这些发现，我们进一步提出MambaIO，将IMU测量分解为高频和低频分量。低频分量由Mamba架构处理以提取隐式的上下文运动线索，而高频分量则由卷积结构处理以捕获细粒度的局部运动细节。在多个公开数据集上的实验表明，MambaIO显著降低了定位误差，实现了状态-of-the-art (SOTA) 性能。据我们所知，这是首次将Mamba架构应用于IO任务。
引用
@article{arxiv.2511.15645,
title = {MambaIO: Global-Coordinate Inertial Odometry for Pedestrians via Multi-Scale Frequency-Decoupled Modeling},
author = {Shanshan Zhang and Liqin Wu and Wenying Cao and Siyue Wang and Tianshui Wen and Qi Zhang and Xuemin Hong and Ao Peng and Lingxiang Zheng and Yu Yang},
journal= {arXiv preprint arXiv:2511.15645},
year = {2025}
}