Quantifying VIO Uncertainty

要約

IMU のガウス ノイズとドリフトに加えて、フィーチャ トラックにガウス ノイズ、ドリフト、および属性エラーが存在する場合に、拡張カルマン フィルターに基づく単眼視覚慣性オドメトリー システムである XIVO の不確実性を計算します。
不確実性は、通常の画像処理と特徴追跡の手順をバイパスする点群の中で十分に刺激的な軌道のモンテカルロ シミュレーションを使用して計算されます。
アトリビューション エラーがパフォーマンスに最も大きな悪影響を与えることがわかっています。
ただし、ガウス ノイズやドリフトがわずかであっても、ノイズやドリフトが人為的に高い場合、XIVO のパフォーマンスが平均パフォーマンスに似ている確率は 100 分の 1 を超えます。

要約(オリジナル)

We compute the uncertainty of XIVO, a monocular visual-inertial odometry system based on the Extended Kalman Filter, in the presence of Gaussian noise, drift, and attribution errors in the feature tracks in addition to Gaussian noise and drift in the IMU. Uncertainty is computed using Monte-Carlo simulations of a sufficiently exciting trajectory in the midst of a point cloud that bypass the typical image processing and feature tracking steps. We find that attribution errors have the largest detrimental effect on performance. Even with just small amounts of Gaussian noise and/or drift, however, the probability that XIVO’s performance resembles the mean performance when noise and/or drift is artificially high is greater than 1 in 100.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google