DOGE: An Extrinsic Orientation and Gyroscope Bias Estimation for Visual-Inertial Odometry Initialization

要約

既存の視覚慣性オドメトリ (VIO) 初期化方法のほとんどは、正確な事前校正された外部パラメーターに依存しています。
ただし、長期間の使用中に、温度変化や機械的圧迫などによって引き起こされる不可逆的な構造変形により、外部パラメータ、特に回転部分に変化が生じます。
外部パラメータを同時に推定する既存の初期化方法は、十分な並進運動が必要なため、ロバスト性が低く、精度が低く、初期化の待ち時間が長いという問題があります。
これらの問題に対処するために、我々は、通常のエピポーラ制約内の外部配向とジャイロスコープのバイアスを共同で考慮し、回転キャリブレーションを遅らせることなく、より高い精度とより優れたロバスト性を達成する、新しい VIO 初期化方法を提案します。
まず、外部方向とジャイロスコープのバイアス推定用に回転のみの制約が設計されており、ジャイロスコープの測定と視覚的観測が緊密に結合され、純粋な回転の場合に解決できます。
第 2 に、推定器の精度とロバスト性を向上させるために、故障検出戦略と併せて重み付け戦略を提案します。
最後に、最大事後確率を活用して、十分な翻訳視差が生じる前に結果を調整します。
広範な実験により、私たちの方法は、競争効率を維持しながら、精度と堅牢性の両方で最先端の方法よりも優れていることが実証されました。

要約(オリジナル)

Most existing visual-inertial odometry (VIO) initialization methods rely on accurate pre-calibrated extrinsic parameters. However, during long-term use, irreversible structural deformation caused by temperature changes, mechanical squeezing, etc. will cause changes in extrinsic parameters, especially in the rotational part. Existing initialization methods that simultaneously estimate extrinsic parameters suffer from poor robustness, low precision, and long initialization latency due to the need for sufficient translational motion. To address these problems, we propose a novel VIO initialization method, which jointly considers extrinsic orientation and gyroscope bias within the normal epipolar constraints, achieving higher precision and better robustness without delayed rotational calibration. First, a rotation-only constraint is designed for extrinsic orientation and gyroscope bias estimation, which tightly couples gyroscope measurements and visual observations and can be solved in pure-rotation cases. Second, we propose a weighting strategy together with a failure detection strategy to enhance the precision and robustness of the estimator. Finally, we leverage Maximum A Posteriori to refine the results before enough translation parallax comes. Extensive experiments have demonstrated that our method outperforms the state-of-the-art methods in both accuracy and robustness while maintaining competitive efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google