量化VIO不确定性
机器人学
2023-03-30 v1
摘要
我们计算了XIVO（一种基于扩展卡尔曼滤波的单目视觉-惯性里程计系统）在特征轨迹存在高斯噪声、漂移与归属错误，以及IMU存在高斯噪声与漂移情况下的不确定性。不确定性通过在一个点云中对一条充分激励的轨迹进行蒙特卡洛仿真来求得，该仿真绕过了典型的图像处理与特征跟踪步骤。我们发现归属错误对性能具有最大的有害影响。然而，即便仅存在少量的高斯噪声和/或漂移，XIVO的性能表现类似于噪声和/或漂移被人为设高时平均性能的概率也大于1/100。
引用
@article{arxiv.2303.16386,
title = {Quantifying VIO Uncertainty},
author = {Stephanie Tsuei and Stefano Soatto},
journal= {arXiv preprint arXiv:2303.16386},
year = {2023}
}