PLV-IEKF: Consistent Visual-Inertial Odometry using Points, Lines, and Vanishing Points

要約

この論文では、人工環境で複数の特徴を使用する、不変拡張カルマン フィルター (IEKF) ベースの視覚慣性オドメトリ (VIO) を提案します。
従来の EKF ベースの VIO は通常、機能ベースの方法で自然に発生するシステムの不整合や角度のドリフトに悩まされます。
ただし、人工環境では、線や消失点などの顕著な構造的規則性が位置特定のための貴重な手がかりとなります。
これらの構造的特徴を効果的に活用し、システムの一貫性を維持するために、点、線、消失点の特徴を組み込んだ正しい不変フィルターベースの VIO スキームを設計します。
数学的に等価な測定モデルを証明することにより、点特徴に対する従来の加法誤差定義も不変誤差定義と同様にシステムの一貫性を維持できることを実証します。
そして、同様の結論がライン フィーチャについても確立されます。
さらに、不変フィルターベースの可観測性解析を実施し、消失点測定により観測不可能な方向が自然に維持されることを証明しました。
シミュレーションと現実世界のテストの両方が、私たちのメソッドのポーズの精度と一貫性を検証するために実施されます。
実験結果は、私たちの方法の競争力のあるパフォーマンスを検証し、人工環境で正確かつ一貫した姿勢推定を提供する能力を強調しています。

要約(オリジナル)

In this paper, we propose an Invariant Extended Kalman Filter (IEKF) based Visual-Inertial Odometry (VIO) using multiple features in man-made environments. Conventional EKF-based VIO usually suffers from system inconsistency and angular drift that naturally occurs in feature-based methods. However, in man-made environments, notable structural regularities, such as lines and vanishing points, offer valuable cues for localization. To exploit these structural features effectively and maintain system consistency, we design a right invariant filter-based VIO scheme incorporating point, line, and vanishing point features. We demonstrate that the conventional additive error definition for point features can also preserve system consistency like the invariant error definition by proving a mathematically equivalent measurement model. And a similar conclusion is established for line features. Additionally, we conduct an invariant filter-based observability analysis proving that vanishing point measurement maintains unobservable directions naturally. Both simulation and real-world tests are conducted to validate our methods’ pose accuracy and consistency. The experimental results validate the competitive performance of our method, highlighting its ability to deliver accurate and consistent pose estimation in man-made environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google