Aug, 2023

基于 ESKF 的视觉惯性 SLAM 系统的分离初始化

PDF
TL;DREDI 是一种快速、准确和稳健的视觉惯性初始化方法，它采用 Error-state Kalman Filter（ESKF）来估计陀螺仪偏差并通过单目 SLAM 来校正旋转估计，提供了一个封闭解法来估计初速度、尺度、重力和加速度偏差，并引入权重来处理重力和加速度偏差的耦合问题。在 EuRoC 数据集上进行的广泛评估表明，该方法在不到 3 秒的时间内平均尺度误差为 5.8%，性能优于其他最先进的分离式视觉惯性初始化方法，甚至在复杂环境和带有人工噪声干扰的情况下也能表现出色。
visual-inertial initializationjoint approachesdisjoint approachesmonocular slamerror-state kalman filter (eskf)
发现论文，激发创造
  • 一种高效的基于 Schmidt-EKF 的三维视觉惯性 SLAM 算法

    本研究提出了一种基于 Schmidt 卡尔曼滤波的高精度的 VI-SLAM 算法，将 IMU 测量和单目图像紧密耦合，以提供带有有界误差的三维运动跟踪，并通过针对性地选择信息特征来减少计算量，同时仍然允许 EKF 正确地考虑其与活动状态之间的交叉关系，从而实现了线性计算复杂度以适应移动和可穿戴传感器系统。

    Mar, 2019

  • 快速自主飞行的鲁棒立体视觉惯性里程计

    本文提出了一种基于状态约束卡尔曼滤波器的、用于自主飞行的滤波器的立体视觉惯性测距法，并证明了这种方法具有与现有的单目解决方案相当的计算成本，同时提供了更高的鲁棒性。

    Nov, 2017

  • 使用在线误差纠正的无监督深度网络进行视觉辅助的绝对轨迹估计

    本研究介绍了一种无监督深度神经网络方法，用于融合 RGB-D 图像和惯性测量进行绝对轨迹估计。我们的网络在没有 IMU 固有参数或 IMU 与相机之间的外部校准的情况下进行学习，学习整合 IMU 测量并生成假设轨迹，然后根据空间像素坐标的缩放图像投影误差的雅可比矩阵进行在线更正。在 KITTI Odometry 数据集上与最先进的视觉惯性测距，视觉测距和视觉同时定位和地图构建（VSLAM）方法进行了比较，表现出有竞争力的测距性能。

    Mar, 2018

  • 可视惯性单目 SLAM 及地图复用

    本文介绍了一种新的紧密耦合的视觉惯性同时定位和建图系统，采用惯性测量单元进行初始测量，实现了零漂移定位，带有地图重用功能，并应用于单目相机的最一般问题。在微型飞行器公共数据集的 11 个序列中测试了该系统，证明了其比目前最先进的视觉惯性测量方法更为准确。

    Oct, 2016

  • 使用动态边缘化的直接稀疏视觉惯性测程

    本研究提出 VI-DSO，一种同时估计相机姿态和稀疏场景几何的视觉惯性测量新方法，通过最小化组合能量函数中的光度和 IMU 测量误差来进行优化，在 EuRoC 数据集上得到了比现有技术更好的效果。

    Apr, 2018

  • 多视惯导系统：分析、校准与估计

    通过多传感器的数据融合，本文研究了多视觉惯性系统的状态估计和校准问题，并提出了一种新型解决方案，取得了较好的准确性和收敛性。

    Aug, 2023

  • 融合 IMU 运动动态的自适应、鲁棒和通用的单目无监督深度估计

    本文提出了一种新的基于 IMU 的深度感知与姿态估计方法 DynaDepth，可以通过整合视觉和运动信息，解决单目序列尺度模糊问题，并且通过 EKF 实现更好的泛化能力和鲁棒性。该模型在 KITTI 和 Make3D 数据集上表现出色。

    Jul, 2022

  • 事件与惯性测量的紧密融合用于直接速度估计

    我们提出了一种在一级运动学水平上进行紧密视觉惯性融合的新颖解决方案，通过使用动态视觉传感器而不是普通相机，通过利用三焦几何来建立与事件和相机速度直接相关的关联关系，并展示了如何在高度动态的情况下在短时间间隔内获得速度估计。噪声和异常值使用嵌套的两层 RANSAC 方法处理，通过与预积分惯性信号进行紧密融合并使用滑动窗口优化器获得平滑速度信号。对模拟和真实数据的实验证明，所提出的紧密事件惯性融合可以在高度动态的情景中连续且可靠地估计速度，与绝对坐标无关。此外，在极端情况下，它比传统的基于点位置的视觉惯性测距法实现了更稳定和更准确的运动学估计。

    Jan, 2024

  • TLIO：紧密学习的惯性测距

    本文提出了一种紧密耦合的扩展卡尔曼滤波器框架，使用训练有素的神经网络来回归三维位移估计和其不确定性，进而在滤波器中实现测量更新步骤，从而解决姿态、速度和传感器偏差问题。与速度积分和 AHRS 姿态滤波器方法相比，本文的系统在位置和姿态估计方面表现更好，且该网络可用于步行者数据的统计一致的测量和不确定性。

    Jul, 2020

  • 一种不变量 - EKF VINS 算法用于提高一致性

    本文提出了一种基于不变扩展卡尔曼滤波器 (RIEKF-VINS) 的方法，并通过 Monte Carlo 模拟和实际实验验证了该方法在视觉惯性导航系统中的有效性。该方法使用一种新的不确定性表示方法，可以保留 VINS 中的不变性质，并将 RIEKF-VINS 适用于多状态约束卡尔曼滤波器框架，从而获得一致性的状态估计。

    Feb, 2017