PO-GVINS：基于纯位姿表示的紧耦合GNSS-视觉-惯性集成
机器人学
2025-01-17 v2
摘要
精确可靠的定位对于自动驾驶、无人机和智能机器人的感知、决策及其他高级应用至关重要。鉴于独立传感器的固有局限性，集成具有互补能力的异构传感器是实现这一目标的最有效方法之一。本文提出了一种基于滤波的、紧耦合的全球导航卫星系统(GNSS)-视觉-惯性定位框架，该框架在视觉-惯性系统(VINS)中采用纯位姿表示，称为PO-GVINS。具体而言，当前VINS中使用的多视图成像需要3D特征的先验信息，然后联合估计相机位姿和3D特征位置，这不可避免地引入了特征的线性化误差并面临维度爆炸问题。然而，纯位姿(PO)表示已被证明等价于多视图成像，并已应用于视觉重建，它使用两个相机位姿表示特征深度，从而从状态向量中移除3D特征位置，避免了上述困难。受此启发，我们首次将PO表示应用于VINS，即PO-VINS。然后，引入具有整数模糊度解算的GNSS原始测量值，以实现精确且无漂移的估计。大量实验表明，所提出的PO-VINS显著优于多状态约束卡尔曼滤波器(MSCKF)。通过融合GNSS测量值，PO-GVINS实现了精确、无漂移的状态估计，使其成为挑战性环境下定位的鲁棒解决方案。
引用
@article{arxiv.2501.07259,
title = {PO-GVINS: Tightly Coupled GNSS-Visual-Inertial Integration with Pose-Only Representation},
author = {Zhuo Xu and Feng Zhu and Zihang Zhang and Chang Jian and Jiarui Lv and Yuantai Zhang and Xiaohong Zhang},
journal= {arXiv preprint arXiv:2501.07259},
year = {2025}
}