基于动作捕捉与IMU融合的高精度SLAM基准测试地面真值估计器
机器人学
2025-07-18 v1
摘要
基于标记的光学动作捕捉（MoCap）系统广泛用于为SLAM算法提供基准测试的地面真值（GT）轨迹。然而，MoCap基准GT轨迹的准确性主要受两个因素影响：MoCap系统与受测设备（DUT）之间的时间空间标定误差，以及MoCap固有的抖动。因此，现有的基准测试主要关注绝对平移误差，因为对旋转和帧间误差的准确评估仍然具有挑战性，阻碍了对SLAM进行彻底的评估。本文提出了MoCap2GT，一种联合优化方法，将MoCap数据和来自DUT的惯性测量单元（IMU）测量相集成，以生成高精度GT轨迹。MoCap2GT包括一个稳健的状态初始化器以确保全局收敛，引入基于SE(3)流形的高阶B样条姿态参数化并可变时间偏移，以有效建模MoCap因子，并采用退化感知的测量否决策略以提高估计精度。实验结果表明，MoCap2GT优于现有方法，显著促进了精确的SLAM基准测试。源代码已在https://anonymous.4open.science/r/mocap2gt 上提供（暂时以匿名身份托管，以进行双盲评审）。
引用
@article{arxiv.2507.12920,
title = {MoCap2GT: A High-Precision Ground Truth Estimator for SLAM Benchmarking Based on Motion Capture and IMU Fusion},
author = {Zichao Shu and Shitao Bei and Jicheng Dai and Lijun Li and Zetao Chen},
journal= {arXiv preprint arXiv:2507.12920},
year = {2025}
}