以下內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈知識(shí)星球每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# UMS-VINS: United Monocular-Stereo Features for Visual-Inertial Tightly Coupled Odometry

論文地址：https://arxiv.org/pdf/2303.08550.pdf

作者單位：北京理工大學(xué)

?將單目和雙目相結(jié)合的特征引入視覺慣性緊耦合里程計(jì)(UMS-VINS)中，用于穩(wěn)健的位姿估計(jì)。UMS-VINS需要兩個(gè)相機(jī)和一個(gè)低成本的慣性測(cè)量單元(IMU)。UMS-VINS是VINS融合的進(jìn)化，它從以下三個(gè)角度對(duì)VINS融合進(jìn)行了修改。

1)UMS-VINS從亞像素平面提取和跟蹤特征，以獲得更好的特征位置。

2)UMS-VINS從左攝像頭和/或右攝像頭引入了額外的二維功能。

3)如果視覺初始化失敗，則直接利用IMU傳播進(jìn)行姿態(tài)估計(jì)，如果視覺-IMU對(duì)準(zhǔn)失敗，則UMS-VINS通過(guò)視覺里程估計(jì)姿態(tài)。在公共數(shù)據(jù)集和新的真實(shí)世界實(shí)驗(yàn)上的性能表明，UMSVINS在定位精度、定位魯棒性和環(huán)境適應(yīng)性方面都優(yōu)于VINS-Fusion。 本文貢獻(xiàn)如下：

1、所提出的UMS-VINS算法保證了視覺慣性系統(tǒng)的成功初始化，即使機(jī)器人是從靜止?fàn)顟B(tài)或具有自由度退化的運(yùn)動(dòng)狀態(tài)初始化的。

2、VIO與從亞像素圖像中提取的3D和2D特征緊密耦合，即使在無(wú)紋理的環(huán)境中也能保證更高質(zhì)量的特征，大大提高了VIO的穩(wěn)健性。

3、公開的數(shù)據(jù)集和新的真實(shí)世界實(shí)驗(yàn)都表明，UMS-VINS在定位精度、魯棒性和環(huán)境適應(yīng)性方面都優(yōu)于VINS-FUSION。

以上內(nèi)容來(lái)自小六的機(jī)器人SLAM學(xué)習(xí)圈 每日更新內(nèi)容