A Robust and Efficient Visual-Inertial Initialization with Probabilistic Normal Epipolar Constraint

要約

初期化が不十分だとポーズの精度が大幅に低下する可能性があるため、視覚慣性オドメトリ (VIO) には正確かつ堅牢な初期化が不可欠です。
初期化中に、加速度計のバイアス、ジャイロスコープのバイアス、初速度、重力などのパラメータを推定することが重要です。ジャイロスコープのバイアスは回転、速度、位置に影響を与えるため、IMU センサーはジャイロスコープのバイアスを正確に推定する必要があります。
既存の VIO 初期化方法のほとんどは、ジャイロスコープのバイアスを解決するために Structure from Motion (SfM) を採用しています。
ただし、SfM は、速い動きや縮退したシーンでは安定性も効率性も十分ではありません。
これらの制限を克服するために、新しい不確実性パラメーターと最適化モジュールを追加することで、回転、平行移動、デカップリングのフレームワークを拡張しました。
まず、確率的な正規エピポーラ制約を組み込んだジャイロスコープ バイアス オプティマイザを採用します。
次に、IMU と視覚的測定を融合して、速度、重力、スケールを効率的に解決します。
最後に、重力誤差とスケール誤差を効果的に低減する追加の改良モジュールを設計します。
EuRoC データセットに対する広範な初期化テストにより、私たちの方法によりジャイロスコープのバイアスと回転推定誤差がそれぞれ平均 16% と 4% 減少することが示されました。
また、重力誤差も大幅に減少し、平均 29% 減少します。

要約(オリジナル)

Accurate and robust initialization is essential for Visual-Inertial Odometry (VIO), as poor initialization can severely degrade pose accuracy. During initialization, it is crucial to estimate parameters such as accelerometer bias, gyroscope bias, initial velocity, and gravity, etc. The IMU sensor requires precise estimation of gyroscope bias because gyroscope bias affects rotation, velocity and position. Most existing VIO initialization methods adopt Structure from Motion (SfM) to solve for gyroscope bias. However, SfM is not stable and efficient enough in fast motion or degenerate scenes. To overcome these limitations, we extended the rotation-translation-decoupling framework by adding new uncertainty parameters and optimization modules. First, we adopt a gyroscope bias optimizer that incorporates probabilistic normal epipolar constraints. Second, we fuse IMU and visual measurements to solve for velocity, gravity, and scale efficiently. Finally, we design an additional refinement module that effectively diminishes gravity and scale errors. Extensive initialization tests on the EuRoC dataset show that our method reduces the gyroscope bias and rotation estimation error by an average of 16% and 4% respectively. It also significantly reduces the gravity error, with an average reduction of 29%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google