以下內(nèi)容來自從零開始機器人SLAM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(https://mp.weixin.qq.com/s/g2GcGnqoP4385F_0l8fTkw)

• #論文# InGVIO: A Consistent Invariant Filter for Fast and High-Accuracy GNSS-Visual-Inertial Odometry

• 論文地址：[2210.15145] InGVIO: A Consistent Invariant Filter...

• 作者單位：清華大學

GNSS與視覺和慣性傳感器相結合，可以提供平滑的位姿估計，而不會在坐標系中漂移。隨著衛(wèi)星數(shù)量的減少，融合系統(tǒng)逐漸退化為視覺慣性里程計（VIO）。在這篇文章中，我們提出了一個開源的基于invariant filter的 InGVIO，以緊融合單目/雙目視覺慣性測量以及來自 GNSS 的原始數(shù)據(jù)，即偽距離和多普勒頻移。與當前基于圖形和基于 EKF 的算法相比，InGVIO 在準確性和計算負載方面提供了極具競爭力的結果。由于我們提出的關鍵幀邊緣化策略，三角測量的基線很大，盡管只保留了幾個位姿。此外，地標被錨定到單個姿勢以適應invariant filter的非線性對數(shù)誤差形式，同時實現(xiàn)與 IMU 狀態(tài)的解耦傳播。此外，我們利用系統(tǒng)的無窮小對稱性，與我們之前使用可觀測性分析的工作相比，它給出了退化運動模式和不可觀察子空間結構的等效結果。我們表明，正確選擇的不變誤差捕獲了這種對稱性并具有內(nèi)在的一致性屬性。InGVIO 在開放數(shù)據(jù)集和我們提出的具有不同難度的固定翼數(shù)據(jù)集上進行了測試。據(jù)我們所知，后者是第一個在具有原始 GNSS 的固定翼飛機上向社區(qū)開源的數(shù)據(jù)集。

以上內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容