Fast Extrinsic Calibration for Multiple Inertial Measurement Units in Visual-Inertial System

要約

この論文では、複数の慣性計測ユニット (MIMU) を融合して視覚慣性オドメトリ (VIO) の位置特定精度を向上させるための高速外部キャリブレーション方法を提案します。
現在、MIMU のデータ融合アルゴリズムは慣性センサーの数に大きく依存しています。
慣性センサー間の外部パラメーターが完全に校正されているという前提に基づいて、融合アルゴリズムは、外部校正誤差の影響を無視しながら、より多くの IMU でより良い位置特定精度を提供します。
私たちの方法は、外部センサーや慣性ノイズのオンライン推定とは独立して、MIMU の相対位置と方向を個別に推定する 2 つの非線形最小二乗問題を構築します。
次に、仮想 IMU (VIMU) 法の一般形式を与え、多様体上でのその伝播を提案します。
データセット、自作のセンサーボード、およびさまざまな IMU を備えたボード上でメソッドを実行し、速度、精度、および堅牢性に関して競合メソッドよりも当社のメソッドが優れていることを検証します。
シミュレーション実験では、動きを予測するために 2 つの IMU をキャリブレーション手法と融合するだけで、9 つの IMU に匹敵することができることを示しました。
実際の実験では、当社のキャリブレーション方法とマニホールド上の VIMU 伝播を統合した VIO の位置特定精度が向上していることが実証されています。

要約(オリジナル)

In this paper, we propose a fast extrinsic calibration method for fusing multiple inertial measurement units (MIMU) to improve visual-inertial odometry (VIO) localization accuracy. Currently, data fusion algorithms for MIMU highly depend on the number of inertial sensors. Based on the assumption that extrinsic parameters between inertial sensors are perfectly calibrated, the fusion algorithm provides better localization accuracy with more IMUs, while neglecting the effect of extrinsic calibration error. Our method builds two non-linear least-squares problems to estimate the MIMU relative position and orientation separately, independent of external sensors and inertial noises online estimation. Then we give the general form of the virtual IMU (VIMU) method and propose its propagation on manifold. We perform our method on datasets, our self-made sensor board, and board with different IMUs, validating the superiority of our method over competing methods concerning speed, accuracy, and robustness. In the simulation experiment, we show that only fusing two IMUs with our calibration method to predict motion can rival nine IMUs. Real-world experiments demonstrate better localization accuracy of the VIO integrated with our calibration method and VIMU propagation on manifold.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google