#論文# ICIR 2023| 斯蒂文斯理工學(xué)院、Meta、杭州電子科技大學(xué)發(fā)布EDI：基于ESKF的視覺慣性SLAM系統(tǒng)的不相交初始化 【EDI: ESKF-based Disjoint Initialization for Visual-Inertial SLAM Systems】 文章鏈接：http://arxiv.org/abs/2308.02670 視覺慣性初始化可以分為聯(lián)合和不相交兩種方法。聯(lián)合方法通過將來自特征點(diǎn)的觀測(cè)進(jìn)行IMU積分，然后使用視覺和加速度觀測(cè)的閉式解來對(duì)齊視覺和慣性參數(shù)，從而同時(shí)處理視覺和慣性參數(shù)。相比之下，不相交方法通過獨(dú)立解決運(yùn)動(dòng)結(jié)構(gòu)（SFM）問題，并從純單目SLAM獲得的尺度不確定相機(jī)姿態(tài)中確定慣性參數(shù)。然而，以往的不相交方法存在一些限制，比如假設(shè)加速度偏差影響可忽略，或者通過純單目SLAM準(zhǔn)確估計(jì)旋轉(zhuǎn)。 為了解決這些問題，我們提出了EDI，一種用于快速、準(zhǔn)確和穩(wěn)健的視覺慣性初始化的新方法。我們的方法使用誤差狀態(tài)卡爾曼濾波器（ESKF）來估計(jì)陀螺儀偏差，并從單目SLAM中校正旋轉(zhuǎn)估計(jì)，克服了對(duì)純單目SLAM旋轉(zhuǎn)估計(jì)的依賴性。為了在沒有先驗(yàn)信息的情況下估計(jì)尺度因子，我們提供了一個(gè)用于初始速度、尺度、重力和加速度偏差估計(jì)的閉式解。為了解決重力和加速度偏差的耦合問題，我們?cè)诰€性最小二乘方程中引入了權(quán)重，確保了加速度偏差的可觀測(cè)性并處理異常值。在EuRoC數(shù)據(jù)集上的廣泛評(píng)估表明，我們的方法在不到3秒的時(shí)間內(nèi)實(shí)現(xiàn)了平均尺度誤差為5.8%，在具有挑戰(zhàn)性的環(huán)境中甚至在人工噪聲干擾下也優(yōu)于其他最先進(jìn)的不相交視覺慣性初始化方法。