用于自运动估计的视觉与惯性传感器可观测性感知自标定
机器人学
2019-01-23 v1
摘要
冲击和温度变化等外部效应会影响视觉-惯性传感器系统的标定，因此它们无法完全依赖出厂标定。在用户采集的短数据集上进行的重新标定可能性能较差，因为某些参数的可观测性高度依赖于运动。此外，在资源受限系统（例如手机）上，较长会话的全批量方法很快变得难以承受。在本文中，我们通过引入信息论度量来评估轨迹段的信息量，从而处理自标定问题，由此可从数据集中选取信息量最大的部分用于标定。借助该方法，我们能够构建紧凑的标定数据集：要么（a）从具有有限激励运动的长时间会话中选取片段，要么（b）从多个短会话中选取，其中单个会话未必能充分激励所有模态。在四种不同环境下的真实实验表明，所提方法达到了与批量标定方法相当的性能，但计算复杂度恒定且与会话时长无关。
引用
@article{arxiv.1901.07242,
title = {Observability-aware Self-Calibration of Visual and Inertial Sensors for Ego-Motion Estimation},
author = {Thomas Schneider and Mingyang Li and Cesar Cadena and Juan Nieto and Roland Siegwart},
journal= {arXiv preprint arXiv:1901.07242},
year = {2019}
}