以下内容來自從零開始機器人SLAM知識星球 每日更新内容
點選領取學習資料 → 機器人SLAM學習資料大禮包
#論文# InGVIO: A Consistent Invariant Filter for Fast and High-Accuracy GNSS-Visual-Inertial Odometry
論文位址：[2210.15145] InGVIO: A Consistent Invariant Filter...
作者機關：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，而不會在坐标系中漂移。随着衛星數量的減少，融合系統逐漸退化為視覺慣性裡程計（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 的原始資料，即僞距離和多普勒頻移。與目前基于圖形和基于 EKF 的算法相比，InGVIO 在準确性和計算負載方面提供了極具競争力的結果。由于我們提出的關鍵幀邊緣化政策，三角測量的基線很大，盡管隻保留了幾個位姿。此外，地标被錨定到單個姿勢以适應invariant filter的非線性對數誤差形式，同時實作與 IMU 狀态的解耦傳播。此外，我們利用系統的無窮小對稱性，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，正确選擇的不變誤差捕獲了這種對稱性并具有内在的一緻性屬性。InGVIO 在開放資料集和我們提出的具有不同難度的固定翼資料集上進行了測試。據我們所知，後者是第一個在具有原始 GNSS 的固定翼飛機上向社群開源的資料集。
以上内容來自從零開始機器人SLAM知識星球 每日更新内容