PC-SRIF：用于视觉辅助惯性导航的预条件Cholesky平方根信息滤波器
机器人学
2025-08-04 v3
摘要
本文介绍了一种用于视觉辅助惯性导航系统的新型估计器——预条件Cholesky平方根信息滤波器。在求解线性系统时，采用Cholesky分解具有更高的效率，但可能损害数值稳定性。因此，在偏好单精度的平台上，现有的利用（平方根）信息滤波器的视觉辅助惯性导航系统通常选择QR分解，以避免与Cholesky分解相关的数值挑战。虽然这些问题常被归因于视觉辅助惯性导航系统中信息矩阵的病态性，但我们的分析揭示，这并非视觉辅助惯性导航系统的固有属性，而是特定参数化方式的结果。我们识别了导致信息矩阵病态的几个因素，并提出了一种预条件技术来缓解这些病态问题。基于此分析，我们提出了PC-SRIF，它在视觉辅助惯性导航系统中求解线性系统时，使用单精度执行Cholesky分解表现出卓越的稳定性。因此，与其他估计器相比，PC-SRIF实现了更优的理论效率。为了验证基于PC-SRIF的视觉辅助惯性导航系统的效率优势和数值稳定性，我们进行了严格控制的实验，为我们的理论发现提供了实证支持。值得注意的是，在我们的视觉辅助惯性导航系统实现中，PC-SRIF的运行时间比基于QR分解的平方根信息滤波器快41%。
引用
@article{arxiv.2409.11372,
title = {PC-SRIF: Preconditioned Cholesky-based Square Root Information Filter for Vision-aided Inertial Navigation},
author = {Tong Ke and Parth Agrawal and Yun Zhang and Weikun Zhen and Chao X. Guo and Toby Sharp and Ryan C. Dutoit},
journal= {arXiv preprint arXiv:2409.11372},
year = {2025}
}
备注
This work has been accepted to the 2025 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2025)