SP-VIO：基于状态变换模型和仅位姿视觉描述的鲁棒高效滤波器视觉惯性里程计
机器人学
2025-03-10 v2
摘要
得益于高计算效率和小内存需求，基于滤波器的视觉惯性里程计 (VIO) 在小型化和载荷受限的嵌入式系统中具有良好应用前景。然而，滤波器方法存在精度不足的问题。为此，我们通过重构状态和测量模型并进一步考虑视觉受限条件，提出了状态变换和仅位姿 VIO (SP-VIO)。具体而言，我们首先提出双状态变换扩展卡尔曼滤波器 (DST-EKF) 替代标准扩展卡尔曼滤波器 (Std-EKF) 以提升系统一致性，然后采用仅位姿 (PO) 视觉描述以避免 3D 特征估计引入的线性化误差。综合可观测性分析表明，SP-VIO 拥有更稳定的不可观测子空间，能更好地避免虚假信息导致的不一致性问题。此外，我们提出增强型双状态变换 Rauch-Tung-Striebel (DST-RTS) 回溯方法，在视觉中断期间优化运动轨迹。蒙特卡洛仿真和真实世界实验表明，SP-VIO 在精度和效率上优于最先进 (SOTA) VIO 算法，且在视觉受限条件下表现出更强的鲁棒性。
引用
@article{arxiv.2411.07551,
title = {SP-VIO: Robust and Efficient Filter-Based Visual Inertial Odometry with State Transformation Model and Pose-Only Visual Description},
author = {Xueyu Du and Lilian Zhang and Chengjun Ji and Xinchan Luo and Huaiyi Zhang and Maosong Wang and Wenqi Wu and Jun Mao},
journal= {arXiv preprint arXiv:2411.07551},
year = {2025}
}