通过磁测量增强视觉惯性SLAM
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
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
本文提出了一种适用于水下环境的单目视觉里程计方法,该方法基于光流跟踪和基于关键帧的非线性优化,并在模拟和实际水下数据集上验证其性能优于现有的视觉SLAM方法,主要应用于水下考古任务中ROV的定位。
Jun, 2018
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
本文提出了一种称为SM/VIO的模型驱动的可视惯性里程计(VIO)算法,该算法在海洋环境下具有较强的鲁棒性,并通过在VIO失败时结合机器人运动学模型和本体感知传感器来维持姿态估计
Apr, 2023
EDI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。
Aug, 2023
本研究设计了一种名为RD-VIO的新型视觉惯性测距系统,能够处理动态场景和纯旋转问题,并通过IMU-PARSAC算法和延迟三角测量技术来提高在这些问题上的性能。实验证明,在动态环境中,所提出的RD-VIO相较于其他方法具有明显优势。
Oct, 2023
本文针对在未知介质中执行视觉惯性测量时的折射相机模型提出了一种新的在线联合估计方法,解决了现有方法对折射指数的依赖问题。通过采用该模型,研究展示了在水下机器人数据验证中,即使在初始化有明显扰动的情况下,也能有效估计水的折射指数,从而在不需先验知识的条件下实现较好的测量性能。
Sep, 2024