机器人中心视觉-惯性里程计

在本文中，我们提出了一种在滑动窗口滤波框架内的视觉-惯性导航系统（VINS）的新型机器人中心表述，并设计了一种高效、轻量的机器人中心视觉-惯性里程计（R-VIO）算法，仅使用单目相机和6轴IMU即可在具有挑战性的环境中实现一致的运动跟踪。其核心思想是有意地相对于一个移动的局部坐标系而非标准世界中心VINS中的固定全局参考系来重构VINS，从而获得更高精度的相对运动估计以更新全局位姿。作为这种机器人中心表述的直接优势，所提出的R-VIO可以从任意位姿启动，无需将初始方向与全局重力方向对齐。更重要的是，我们分析表明，线性化后的机器人中心VINS不会出现标准世界中心VINS中存在的可观测性失配问题，该问题在文献中被认定为导致估计不一致的主要原因。此外，我们深入研究了在世界中心表述中会降低性能的特殊运动，并表明此类退化情形在提出的机器人中心表述中可轻易补偿，而无需像世界中心表述那样借助额外传感器，从而带来更好的鲁棒性。所提出的R-VIO算法已通过蒙特卡洛仿真和使用不同传感器平台在不同环境中导航的真实世界实验进行了广泛测试，并在一致性、精度和效率方面表现出优于（或至少可与）最先进VINS相当的性能。