单目视觉惯性定位的IMU辅助跟踪模型

针对剧烈运动下单目视觉惯性定位精度较差的问题,提出了一种面向单目视觉惯性紧耦合定位的IMU辅助跟踪模型,以提升单目视觉惯性紧耦合定位下的稳健性。以IMU辅助跟踪模型取代常规的参考帧和匀速跟踪模型,该模型分为两个阶段,初始化阶段时,在匀速模型设定当前帧初始平移的基础上,由IMU预积分确定当前帧的初始旋转,从而获得当前帧的初始位姿;初始化完成后,在提供初始位姿的基础上,加入IMU预积分的先验速度信息;最后由以上计算的初始状态建立跟踪模型,实现精确定位。采用公开的室内SLAM数据集进行验证,结果表明,该IMU辅助跟踪模型可有效提高系统的稳健性,同时定位精度控制在0.1 m左右,其精度相比于传统的跟踪模型约提高20%。

单目VIO中基于加权预积分的IMU辅助跟踪方法

预积分和跟踪模型是VIO中的重要部分,提高预积分精度和保持跟踪模型的稳定性对视觉惯性定位系统的结果和鲁棒性具有重要意义。文中提出一种面向视觉惯性定位的加权预积分和IMU辅助跟踪方法,对连续的IMU数据进行加权预积分,同时讨论噪声和偏差的影响。IMU辅助跟踪时,由IMU加权预积分结果确定初始化阶段中当前帧的初始旋转,待初始化结束后,在提供的初始位姿中加入IMU加权预积分的先验速度信息。采用公开的EuRoC MAV数据集进行验证。结果表明,本文方法能更好地利用角速度和加速度测量值,与现有的预积分技术相比显示出很大地改进,同时结合IMU辅助跟踪方法有效提高系统的鲁棒性。系统定位精度控制在0.1 m左右,其精度相比于改进前的定位模型提高约30%。