雙目視覺慣性里程計(jì)的在線初始化與自標(biāo)定算法
標(biāo)題:An Online Initialization and Self-Calibration Method for Stereo Visual-Inertial Odometry
期刊:IEEE TRANSACTIONS ON ROBOTICS(SCI 2區(qū))
注1:文末附【SLAM】交流群
注2:整理不易,請點(diǎn)贊支持!
作者:Amber | 來源:3D視覺工坊微信公眾號
【摘要】
視覺慣性里程計(jì)(VIO)的在線初始化和自標(biāo)定方法大多只能估計(jì)一個(gè)相機(jī)和慣性測量單元(IMU)對之間的外部參數(shù)(方向和平移)。其并不適用于雙目VIO(相機(jī)-IMU和相機(jī)-相機(jī)同時(shí)存在)。這篇論文中,通過利用多傳感器之間的幾何約束解決了這個(gè)問題。論文提出了一種在線的算法用于估計(jì)速度、重力、IMU偏置的初始化,同時(shí)標(biāo)定相機(jī)-相機(jī)和相機(jī)-IMU之間的外參。算法包括一個(gè)三步過程,用粗-精的方式增量地求解了幾個(gè)線性方程。算法反向傳播歷史估計(jì)結(jié)果,以更新權(quán)重因子和刪除離群值,并使用收斂標(biāo)準(zhǔn)來監(jiān)視和終止進(jìn)程。同時(shí)包括一個(gè)可選的全局優(yōu)化用于進(jìn)一步的細(xì)化。該方法在精度、魯棒性、收斂性、一致性和可調(diào)參數(shù)方面使用模擬和公共數(shù)據(jù)集進(jìn)行評估。實(shí)驗(yàn)結(jié)果表明,該方法能夠準(zhǔn)確地估計(jì)初始值和外部參數(shù)。
【主要內(nèi)容】
1、論文貢獻(xiàn)
1)我們首先提出了一種在線引導(dǎo)基于平滑的雙目-VIO系統(tǒng)的方法,可同時(shí)估計(jì)初始值和標(biāo)定相機(jī)-相機(jī)、相機(jī)-IMU的外部參數(shù);
2)提出了一種三步漸進(jìn)求解約束的方法,并利用反向傳播機(jī)制更新權(quán)重和處理離群值;
3)為了使估計(jì)誤差最小化,提出了一種全局優(yōu)化方案。
4)提出了一種判別收斂性和觸發(fā)終止的通用收斂準(zhǔn)則。
論文的算法在ORB-SLAM上進(jìn)行改進(jìn),同時(shí)可應(yīng)用于任何基于關(guān)鍵幀的VO
2、整體系統(tǒng)結(jié)構(gòu)分析
算法結(jié)構(gòu)如下圖所示:

算法主要包括三個(gè)模塊:關(guān)鍵幀生成模塊、在線初始化模塊、尺度更新和全局BA模塊。
關(guān)鍵幀生成模塊:包括兩個(gè)并行的單目VO前端,該模塊對捕獲的圖像進(jìn)行處理,并輸出基于稀疏映射點(diǎn)的同步關(guān)鍵幀。
在線初始化模塊:包括3步過程,在每一步都求解了幾個(gè)線性方程。第一個(gè)過程:解耦了陀螺儀偏差估計(jì)和外部方向標(biāo)定,并進(jìn)行迭代求解;第二個(gè)過程:大致估計(jì)兩個(gè)前端的視覺尺度因子,重力,以及相機(jī)- imu和相機(jī)-相機(jī)對的外部平移;第三個(gè)過程:進(jìn)一步考慮了加速度計(jì)的偏置和重力加速度的大小,從而改進(jìn)了第二個(gè)過程的結(jié)果
尺度更新和全局BA模塊:檢索所有關(guān)鍵幀的速度,更新關(guān)鍵幀姿態(tài)的比例和構(gòu)造的映射,并重新計(jì)算預(yù)積分項(xiàng),以糾正加速度計(jì)的偏差,同時(shí),提供了全局優(yōu)化選項(xiàng)(GBA)來優(yōu)化系統(tǒng)狀態(tài)
3、在線初始化模塊剖析
1)迭代陀螺儀偏置估計(jì)和方向標(biāo)定
假定初始化階段,陀螺儀偏置為常數(shù)(一般通過最小化相機(jī)旋轉(zhuǎn)和IMU旋轉(zhuǎn)之間的差來估計(jì))
步驟:

重復(fù)迭代過程,直至收斂
超定線性方程:

求解(SVD分解求最小二乘):





求解超定方程:


優(yōu)化尺度、重力和平移參數(shù):


求解:

4、實(shí)驗(yàn)分析
進(jìn)行了仿真實(shí)驗(yàn)和真實(shí)世界的實(shí)驗(yàn)來對算法進(jìn)行測評。
1)仿真實(shí)驗(yàn)
在仿真實(shí)驗(yàn)中,設(shè)計(jì)了一種以3米為半徑的圓周運(yùn)動(dòng)軌跡為垂直正弦運(yùn)動(dòng)軌跡的IMU。通過計(jì)算參數(shù)化軌跡的解析導(dǎo)數(shù),加上白噪聲和緩慢時(shí)變偏置,得到仿真的IMU輸出。模擬的相機(jī)姿態(tài)是通過使用模擬的相機(jī)- imu和相機(jī)-相機(jī)外部參數(shù)的變換獲得的。

2)現(xiàn)實(shí)世界實(shí)驗(yàn)



備注:作者也是我們「3D視覺從入門到精通」知識星球特邀嘉賓:一個(gè)超干貨的3D視覺學(xué)習(xí)社區(qū)
本文僅做學(xué)術(shù)分享,如有侵權(quán),請聯(lián)系刪文。
3D視覺工坊-人體姿態(tài)估計(jì)交流群
已建立3D視覺工坊-SLAM微信交流群!想要進(jìn)SLAM學(xué)習(xí)交流群的同學(xué),可以直接加微信號:CV_LAB。加的時(shí)候備注一下:SLAM+學(xué)校+昵稱,即可。然后就可以拉你進(jìn)群了。
強(qiáng)烈推薦大家關(guān)注3D視覺工坊知乎賬號和3D視覺工坊微信公眾號,可以快速了解到最新優(yōu)質(zhì)的3D視覺與SLAM論文。