以下內(nèi)容來自從零開始機(jī)器人SLAM知識星球 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# An Improved Multi-State Constraint Kalman Filter for Visual-Inertial Odometry

論文地址：https://arxiv.org/abs/2210.08117

作者單位：謝里夫理工大學(xué) ?

? ?快速姿態(tài)估計(jì)（PE）對于敏捷機(jī)器人的性能至關(guān)重要。GPS 和 GNSS 等全球定位系統(tǒng)通常與用于 PE 的慣性導(dǎo)航系統(tǒng) (INS) 融合使用。然而，低更新率和缺乏適當(dāng)?shù)男盘柺蛊湓谑覂?nèi)和城市應(yīng)用中不實(shí)用。另一方面，視覺慣性里程計(jì) (VIO) 作為 GNSS/INS 系統(tǒng)在 GPS 拒絕環(huán)境中的實(shí)用替代方案越來越受歡迎。在眾多基于 VIO 的方法中，多狀態(tài)約束卡爾曼濾波器 (MSCKF) 因其魯棒性、速度和準(zhǔn)確性而受到更多關(guān)注。為此，在資源受限的車輛上實(shí)時(shí)實(shí)施 MSCKF 的圖像處理相關(guān)的高計(jì)算成本仍然是一項(xiàng)具有挑戰(zhàn)性的持續(xù)研究。

?在本文中，提出了MSCKF 的增強(qiáng)版本。為此，提出了不同的特征邊緣化和狀態(tài)修剪策略，從而產(chǎn)生更快的算法。所提出的算法在開源數(shù)據(jù)集和實(shí)際實(shí)驗(yàn)中進(jìn)行了測試以進(jìn)行驗(yàn)證。結(jié)果表明，與標(biāo)準(zhǔn) MSCKF 算法相比，所提出的 Fast-MSCKF (FMSCKF) 在最終位置估計(jì)方面的速度大約快了 6 倍，并且準(zhǔn)確度至少提高了 20%。

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