具有紧耦合容丢失 GPS 融合的视觉-惯性 SLAM
机器人学
2022-08-02 v1
摘要
机器人应用正不断追求更高水平的自主性。为实现该目标，高度鲁棒且准确的状态估计不可或缺。结合视觉与惯性传感器模态已被证明可在短期应用中产生准确且局部一致的结果。遗憾的是，视觉-惯性状态估计器在长时轨迹上遭受漂移累积之苦。为消除此漂移，可将全局测量融合进状态估计流程。最知名且广泛可用的全局测量源是全球定位系统（GPS）。本文提出一种新方法，在紧耦合基于优化的框架中，将立体视觉-惯性同步定位与建图（SLAM）（含视觉回环闭合）与全局传感器模态的融合完全结合。在纳入测量不确定性的前提下，我们提供了求解全局参考系初始化问题的鲁棒准则。此外，我们提出一种类回环闭合的优化方案，以补偿 GPS 信号中断期间累积的漂移。在数据集与真实世界实验上的验证表明，相较现有前沿方法，我们的方法对 GPS 丢失具有鲁棒性，且能估计出高度准确且全局一致的轨迹。
引用
@article{arxiv.2208.00709,
title = {Visual-Inertial SLAM with Tightly-Coupled Dropout-Tolerant GPS Fusion},
author = {Simon Boche and Xingxing Zuo and Simon Schaefer and Stefan Leutenegger},
journal= {arXiv preprint arXiv:2208.00709},
year = {2022}
}
备注
International Conference on Intelligent Robots and Systems (IROS) 2022