基于多源信息融合的SLAM算法研究

视觉与惯性测量元件的融合极大地提高了定位的精确度和鲁棒性,然而,长时间运行后会出现漂移的问题。文章将GNSS数据与视觉惯性里程计系统结合,采用紧耦合的方式将GNSS原始测量数据与视觉和惯性信息结合,从而解决漂移问题,同时采用多级GNSS初始化策略,将GNSS测量与视觉惯性里程计结果对齐。同时,为了更好地保持系统的一致性,文章采用基于动态边缘化的策略来进行IMU初始化。本算法在具有挑战性的UrBanLoco数据集上进行评估,结果表明,本算法优于现有VIO算法。