基于姿态唯一理论重构的 PO-MSCKF：一种高效视觉-惯性里程计方法
机器人学
2025-03-10 v1 计算机视觉与模式识别
摘要
高效视觉-惯性里程计（Visual-Inertial Odometry, VIO）是受限载荷机器人的关键技术。尽管现代优化型算法已实现卓越精度，MSCKF 基于视觉的 VIO 方法仍因其高效性和一致性受到广泛需求。由于 MSCKF 基于传统多视图几何构建，其测量残差不仅与状态误差相关，也与特征位置误差相关。为应用扩展卡尔曼滤波（EKF） fusion，需要将特征位置误差从观测模型中投影出来，这可能导致模型和精度退化。为获得高效的视觉-惯性融合模型，同时保持模型一致性，我们提出采用全新的姿态唯一（Pose-Only, PO）多视图几何描述来重构 MSCKF VIO。\method{} 在新构建的滤波器中，我们对 PO 重投影残差进行了建模，这些残差仅与运动状态相关，从而克服了空间投影的要求。此外，新滤波器无需任何特征位置信息，移除了由 3D 重建程序引入的计算成本和线性化误差。我们在多个数据集上进行了全面实验，结果表明该方法在具有挑战性的序列中展现出精度提升和一致性表现。
引用
@article{arxiv.2407.01888,
title = {PO-MSCKF: An Efficient Visual-Inertial Odometry by Reconstructing the Multi-State Constrained Kalman Filter with the Pose-only Theory},
author = {Xueyu Du and Lilian Zhang and Ruochen Liu and Maosong Wang and Wenqi Wu and Jun Mao},
journal= {arXiv preprint arXiv:2407.01888},
year = {2025}
}