RISE-SLAM：一种资源感知的逆施密特SLAM估计器
机器人学
2020-11-25 v1 计算机视觉与模式识别
摘要
在本文中，我们提出RISE-SLAM算法用于执行视觉-惯性同时定位与建图（SLAM），同时改善估计一致性。具体而言，为实现实时运行，现有方法常假设先前估计的状态完全已知，这导致不一致的估计。相反，基于Schmidt-Kalman滤波器的思想（其处理代价随状态向量规模线性增长但内存需求为二次方），我们在信息域推导出一种新的一致近似方法，其具有线性内存需求和可调节（常数到线性）的处理代价。特别地，该方法——资源感知逆施密特估计器（RISE）——允许在估计精度与计算效率之间进行权衡。此外，为更好地满足SLAM系统在探索阶段与重定位阶段的不同需求，我们采用不同配置的RISE（就更新状态的数量与阶次而言）以在保持效率的同时最大化精度。最后，我们在公开可用数据集上评估所提出的RISE-SLAM算法，并证明其相较于其他视觉-惯性SLAM系统在精度与效率方面的优越性。
引用
@article{arxiv.2011.11730,
title = {RISE-SLAM: A Resource-aware Inverse Schmidt Estimator for SLAM},
author = {Tong Ke and Kejian J. Wu and Stergios I. Roumeliotis},
journal= {arXiv preprint arXiv:2011.11730},
year = {2020}
}
备注
IROS 2019