本文介绍了 VersaVIS，一种开放式多摄像头视觉惯性传感器套件，其设计旨在提高移动机器人应用中的鲁棒性和精度，并支持姿态估计、环境建图和多摄像头应用等领域。

Dec, 2019

本文提出了新的 TUM VI 基准数据集，为不同场景下的视觉惯性 (VI) 里程计进行评估提供具有多样性的序列，其中提供了相机图像和 IMU 测量值，并使用运动捕捉系统提供了准确的姿态真值。

Apr, 2018

本文提出一种直接的视觉惯性里程计方法（VIO），该方法基于来自快门滚动摄像机和惯性测量单元（IMU）的测量，估计传感器设置的运动和环境的稀疏 3D 几何图形，并结合光度束调整，估计一组最近的关键帧姿势和稀疏点的反深度，同时利用 IMU 信息，基于滚动快门效应对速度和偏差进行校准。在公开数据集上进行的实验说明，与不考虑滚动快门的系统相比，所提出的方法表现更好，并在全局快门数据上实现了与全局快门方法类似的准确度。

Nov, 2019

本文提出了一种视惯性里程计预积分理论，通过相对运动约束将惯性测量融入视觉采样流程中，改善了实时状态估计问题，并在实际和模拟数据集上进行了广泛评估，表明该方法比现有的方法更有效。

Dec, 2015

VINS-Mono 是一个鲁棒且多用途的单眼视觉惯性状态估计器，通过结合预积分 IMU 测量和特征观察，采用紧耦合的非线性优化方法，利用波束法检测模块，实现最小计算开销的重定位，并进行四自由度位姿图优化以确保全局一致性，具有高精度和通用性。

Aug, 2017

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

本文提出了一种单目视觉惯性 SLAM 系统，可以通过重新定位相机和获取先前构建的地图中的绝对姿态来校正漂移，并进行全局一致性的 4 自由度姿态图优化，进而实现地图合并。

Mar, 2018

通过图形用户界面和信息理论，引入了一种新型的视觉惯性传感器（Visual-Inertial，VI）校准管道，指导非专家收集信息丰富的校准数据，包括内部参数、外部参数和时间错配校准，并实验证明该方法比现有方法更快、更准确，且具有更好的一致性。

Sep, 2023

本研究提出了一种通过非线性因子恢复和捆绑调整的方法从视觉惯性测距（VIO）中提取有用信息，以实现全局一致的建图和提高准确性。在公共基准测试中，我们证明了该方法优于现有技术。

Apr, 2019

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