Online Multi-IMU Calibration Using Visual-Inertial Odometry

要約

この研究では、校正パラメータの変更に対して堅牢な、非同期慣性測定ユニットのオンライン固有および外部校正を備えた集中型マルチ IMU フィルタ フレームワークを紹介します。
新しい EKF ベースの方法は、剛体の幾何学的制約を使用せずに、センサー システムの位置オフセットと回転オフセット、およびセンサーの固有バイアスを推定します。
さらに、このフィルターは、カメラ測定に一般的に使用される MSCKF フレームワークを活用しながら、使用されるセンサーの総数に柔軟に対応します。
フィルター フレームワークは、モンテカルロ シミュレーションと実験を使用して検証されています。
シミュレーションと実験の両方において、提案されたフィルター フレームワーク内で複数の IMU 測定ストリームを使用すると、フィルター予測ステップで単一の IMU を使用するよりも優れたパフォーマンスを発揮し、同時に初期キャリブレーション誤差の一貫した正確な推定値も生成します。
現在の最先端のオプティマイザーと比較して、フィルターは各センサーに対して同様の内部および外部キャリブレーション パラメーターを生成します。
最後に、オープン ソース リポジトリが https://github.com/unmannedlab/ekf-cal で提供されており、オンライン推定ツールと、テストと評価に使用されるシミュレーションの両方が含まれています。

要約(オリジナル)

This work presents a centralized multi-IMU filter framework with online intrinsic and extrinsic calibration for unsynchronized inertial measurement units that is robust against changes in calibration parameters. The novel EKF-based method estimates the positional and rotational offsets of the system of sensors as well as their intrinsic biases without the use of rigid body geometric constraints. Additionally, the filter is flexible in the total number of sensors used while leveraging the commonly used MSCKF framework for camera measurements. The filter framework has been validated using Monte Carlo simulation as well as experimentally. In both simulations and experiments, using multiple IMU measurement streams within the proposed filter framework outperforms the use of a single IMU in a filter prediction step while also producing consistent and accurate estimates of initial calibration errors. Compared to current state-of-the-art optimizers, the filter produces similar intrinsic and extrinsic calibration parameters for each sensor. Finally, an open source repository has been provided at https://github.com/unmannedlab/ekf-cal containing both the online estimator and the simulation used for testing and evaluation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google