SchurVINS：基于Schur补的轻量级视觉惯性导航系统
计算机视觉与模式识别
2024-07-18 v6 机器人学
摘要
精度和计算效率是视觉惯性导航系统（VINS）最重要的指标。现有的VINS算法要么精度高，要么计算复杂度低，难以在资源受限设备上提供高精度定位。为此，我们提出了一种新的基于滤波的VINS框架，名为SchurVINS，它通过构建完整的残差模型保证高精度，并通过Schur补保证低计算复杂度。技术上，我们首先构建了完整的残差模型，其中梯度、Hessian和观测协方差被显式建模。然后采用Schur补将完整模型分解为自运动残差模型和地标残差模型。最后，在这两个模型上高效实现扩展卡尔曼滤波（EKF）更新。在EuRoC和TUM-VI数据集上的实验表明，我们的方法在精度和计算复杂度上均显著优于最先进（SOTA）方法。SchurVINS的实验代码可在https://github.com/bytedance/SchurVINS获取。
引用
@article{arxiv.2312.01616,
title = {SchurVINS: Schur Complement-Based Lightweight Visual Inertial Navigation System},
author = {Yunfei Fan and Tianyu Zhao and Guidong Wang},
journal= {arXiv preprint arXiv:2312.01616},
year = {2024}
}
备注
Accepted by CVPR2024