用于鲁棒视觉-惯性融合的样条误差加权

本文推导并测试了一种基于概率的加权方法，可在样条拟合中平衡不同类型残差。与先前公式不同，所提出的样条误差加权方案还纳入了对样条拟合近似误差的预测。我们在合成实验中证明了该预测的有效性，并将其应用于卷帘快门相机上的视觉-惯性融合。由此得到的方法能够在通用第一人称视频上以度量尺度估计三维结构。我们还提出了一种样条拟合的质量度量，可用于自动选择节点间距。实验验证所获得的轨迹质量与所要求的质量吻合良好。最后，通过对权重进行线性缩放，我们表明所提出的样条误差加权在尺度和端点误差方面使真实序列上的估计误差最小化。