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

要約

不十分な初期化はポーズの精度を著しく分解する可能性があるため、視覚inertialの臭気測定（VIO）には正確で堅牢な初期化が不可欠です。
初期化中、加速度計バイアス、ジャイロスコープバイアス、初期速度、重力などのパラメーターを推定することが重要です。ほとんどの既存のVIO初期化方法は、ジャイロスコープバイアスを解くために動き（SFM）から構造を採用します。
ただし、SFMは、高速モーションまたは退化したシーンでは安定していて効率的ではありません。
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により、回転翻訳分離フレームワークを拡張しました。
まず、確率的正常なエピポーラの制約を組み込んだジャイロスコープバイアス推定器を採用します。
第二に、速度、重力、およびスケールを効率的に解くために、IMUと視覚測定を融合させます。
最後に、重力とスケールエラーを効果的に削減する追加の改良モジュールを設計します。
広範なユーロクセットテストでは、この方法でジャイロスコープバイアスと回転誤差が平均16 \％と4 \％を減らし、重力エラーが平均で29％減少します。
TUMデータセットでは、この方法により、重力誤差とスケール誤差がそれぞれ平均で14.2 \％と5.7 \％減少します。
ソースコードは、https：//github.com/mucs714/drt-pnec.gitで入手できます

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, gravity, etc. 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-decoupled framework by adding new uncertainty parameters and optimization modules. First, we adopt a gyroscope bias estimator 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 reduces gravity and scale errors. Extensive EuRoC dataset tests show that our method reduces gyroscope bias and rotation errors by 16\% and 4\% on average, and gravity error by 29\% on average. On the TUM dataset, our method reduces the gravity error and scale error by 14.2\% and 5.7\% on average respectively. The source code is available at https://github.com/MUCS714/DRT-PNEC.git

arxiv情報

提供元, 利用サービス

arxiv.jp, Google