以下內(nèi)容來自小六的機器人SLAM學習圈知識星球每日更新內(nèi)容

點擊領取學習資料 → 機器人SLAM學習資料大禮包

#論文# Visual-Inertial SLAM with Tightly-Coupled Dropout-Tolerant GPS Fusion

論文地址：https://arxiv.org/pdf/2208.00709.pdf

作者單位：慕尼黑工業(yè)大學 ?

? ? ?結合視覺和慣性傳感器模式在短時間內(nèi)產(chǎn)生精確和局部一致的結果。但是，視覺慣性狀態(tài)估計器受到長期軌跡漂移累積的影響。為了消除這種漂移，可以將全局測量融合到狀態(tài)估計中。在本文中，我們提出了一種全新的方法，該方法將雙目視覺-慣性同步定位與映射(SLAM)，包括視覺閉環(huán)，與緊密耦合和基于優(yōu)化的框架中的全局傳感器模式融合。結合測量的不確定性，我們提供了一個魯棒準則來解決全局參考系初始化問題。

? ? ?此外，我們提出了一個類似閉環(huán)的優(yōu)化方案，以補償在接收GPS信號中斷期間積累的漂移。在數(shù)據(jù)集上的實驗驗證和在現(xiàn)實世界的實驗中證明了我們的方法對GPS偏差的魯棒性，以及與現(xiàn)有最先進的方法相比，其估算高度準確和全球一致軌跡的能力。

本文貢獻如下：

1、我們提出了一種新的VI-SLAM系統(tǒng)，該系統(tǒng)將立體視覺慣性狀態(tài)估計和全局位置測量與視覺閉環(huán)優(yōu)化緊密耦合在一起。該方法試圖利用最佳的全局測量值來減小姿態(tài)估計的漂移。

2、我們提出了一種不確定感知方法來初始化和估計全局參考系和VIO世界參考系之間的4自由度(DoF)外部轉換(偏航+平移)，以便將全局測量融合到VI估計器中。一旦估計好了外部性，全局參考系就固定了，這就簡化了狀態(tài)估計的復雜性，從而增加了使用的便捷性。

3、為了應對不可避免的GPS信號中斷，在長時間GPS中斷后，一旦再次接收到測量數(shù)據(jù)，將觸發(fā)GPS- vio外部結構的重新初始化。在這種情況下，重新初始化提供了GPS信號中斷期間累積漂移的估計值。在類似于閉環(huán)的方式中，這種漂移可以通過全局對齊方法來補償，該方法使用旋轉平均和位置誤差分布來產(chǎn)生全局一致的軌跡。

以上內(nèi)容來自小六的機器人SLAM學習圈 每日更新內(nèi)容