多相机多地图视觉惯性定位：系统、验证与数据集
机器人学
2025-11-11 v2
摘要
机器人控制回路需要仅依赖于过去和当前测量的因果姿态估计。在每个时间步，控制器使用当前姿态计算指令，而无需等待未来的优化。传统的视觉SLAM系统通过回顾性闭环实现高精度，但这些修正在控制决策已经执行之后才到达，违反了因果性。视觉惯性里程计保持因果性，但随着时间推移会积累无界漂移。为了解决机器人控制的独特需求，我们提出了一种多相机多地图视觉惯性定位系统，通过持续的地图约束提供实时、因果的姿态估计，并具有有界的定位误差。由于标准轨迹指标评估的是后处理轨迹，我们分析了基于地图的定位系统的误差组成，并提出了一套适合测量因果定位性能的评估指标。为了验证我们的系统，我们设计了一个多相机IMU硬件设置，并收集了一个具有多样光照和季节条件的挑战性长期校园数据集。在公开基准和我们自己收集的数据集上的实验结果表明，我们的系统与其他方法相比提供了显著更高的实时定位精度。为了造福社区，我们将系统和数据集开源于 https://anonymous.4open.science/r/Multi-cam-Multi-map-VILO-7993。
引用
@article{arxiv.2412.04287,
title = {Multi-cam Multi-map Visual Inertial Localization: System, Validation and Dataset},
author = {Yufei Wei and Fuzhang Han and Yanmei Jiao and Zhuqing Zhang and Yiyuan Pan and Wenjun Huang and Li Tang and Huan Yin and Xiaqing Ding and Chenxiao Hu and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2412.04287},
year = {2025}
}