基于视觉惯性初始化的仅惯性优化

person 匿名

发布日期: 2021-06-24 12:39:39 浏览量: 274
评分:
star star star star star star star star star star
*转载请注明来自write-bug.com

Inertial-Only Optimization for Visual-Inertial Initialization

摘要

在最大后验估计(MAP)方法的指导下,本文首次将视觉惯性初始化问题转化为最优估计问题。这使得我们能够将适当地考虑IMU测量中的不确定性,在已有的初始化方法中,IMU测量的不确定性往往被忽略,或者通过最小二乘法最小化为临时成本函数。在EuRoC数据集上的密集初始化测试表明,本文所提出的算法几乎可以在轨迹的任何一点上在不到4秒的时间内进行初始化,并且平均尺度误差只有5.3%。已将该方法集成到ORB-SLAM VI中,在保证精度的同时,提高了系统的鲁棒性与运行效率。

主要工作与贡献

在VINS-Mono的初始化算法中,在对IMU 进行初始化时,首先忽略了加速度计的偏差以及陀螺仪的噪声,并且分多步依次求解陀螺仪的偏置、重力加速度以及关键帧的速度,最终得到的结果在最大似然估计下是非最优的。以此算法作为比较,文章中所提出的算法主要做了以下方面的改进:

  • 用最大似然估计的方法,对IMU参数进行初始化。过程中考虑了IMU的噪声概率模型。
  • 一次性计算了所有惯性参数,避免了解耦估计带来的不一致性。这使得所有估计值保持一致,并且具有物理意义。而ORBSLAM-VI惯性初始化算法的系统模型中剔除了关键帧的速度。
  • 我们不对初始速度或姿态做任何假设,这使我们的方法适用于任何初始化情况。
  • 我们没有假定IMU偏差为零,而是将有关它们的已知信息编码为概率先验,并在我们的MAP估计中使用。

算法流程

初始化算法分为三部分:

  • Vision-only MAP估计

使用与ORB-SLAM中相同的初始化过程对单目相机进行仅视觉初始化。与ORB-SLAM唯一的区别是,我们以较高的频率(4 Hz至10 Hz)强制执行关键帧插入。在此之后,我们得到了一个由十个关键帧和几百个点组成的尺度缩放地图,该地图已通过ORB-SLAM映射线程使用BA进行了优化。

  • Inertial-only MAP估计
    在这一步中,我们使用之前通过视觉得到的尺度缩放地图,获取惯性参数的最优估计。

其中为:尺度因子,重力方向,加速度计和陀螺仪的漂移,关键帧速度。
最大似然估计方程如下:

其中的各项惯性偏差如下:

  • Visual-Inertial MAP估计

使用上两步中的结果作为完整视觉惯性BA(VI-BA)的种子,以获得联合最优解。

仅惯性优化(左)和第一次VI-BA(右)的示意图。黄色框代表IMU残差,红色框代表重投影误差,而紫色框代表加速度计偏差的先验信息。虚线指出固定变量(用于仅惯性优化的关键帧位姿)。

上传的附件
eject