POPL-KF：基于姿态唯一几何表示的点-线基于视觉-惯性里程计卡尔曼滤波器
计算机视觉与模式识别
2026-02-09 v1
摘要
主流视觉-惯性里程计（VIO）系统依赖点特征进行运动估计和定位。然而，其在挑战性场景下的性能会下降。此外，基于多状态约束卡尔曼滤波（MSCKF）的VIO系统在特征3D坐标和延迟测量更新方面存在线性化误差，导致定位精度受限。为提高VIO在挑战性场景下的性能，我们首先提出一种用于线特征的姿态唯一几何表示。基于此，我们开发了POPL-KF，这是一个基于卡尔曼滤波的VIO系统，采用姿态唯一几何表示处理点和线特征。POPL-KF通过显式消除点和线特征坐标中的测量方程，同时实现视觉测量的即时更新，从而减轻线性化误差。我们还设计了一种用于点和线特征的统一基准框架选择算法，确保在姿态唯一测量模型中对相机姿态实现最佳约束。为进一步提高线特征质量，提出一种基于图像网格分割和双向光流一致性的线特征滤波器。我们的方法在公开数据集和实际实验中评估，表明POPL-KF在保持实时性能的同时，优于最先进的滤波器方法（OpenVINS、PO-KF）和优化方法（PL-VINS、EPLF-VINS）。
引用
@article{arxiv.2602.06425,
title = {POPL-KF: A Pose-Only Geometric Representation-Based Kalman Filter for Point-Line-Based Visual-Inertial Odometry},
author = {Aiping Wang and Zhaolong Yang and Shuwen Chen and Hai Zhang},
journal= {arXiv preprint arXiv:2602.06425},
year = {2026}
}