Multi-Visual-Inertial System: Analysis, Calibration and Estimation

要約

この論文では、マルチビジュアル慣性システム (MVIS) の状態推定を研究し、任意の数の非同期慣性測定ユニット (IMU) またはジャイロスコープとグローバルおよび (または) ローリング シャッター カメラを最適に融合するセンサー フュージョン アルゴリズムを開発します。
私たちは、IMU またはカメラの内部機能と IMU-IMU (またはカメラ) の時空間外部機能、およびローリング シャッター カメラ (使用されている場合) の画像読み出し時間を含む、関連する視覚慣性センサーの完全なキャリブレーションに特に興味を持っています。
この目的を達成するために、ACI3 と呼ばれる組み込みと呼ばれる新しい分析結合型 IMU 統合を開発し、IMU 測定を事前統合します。これは、ベース IMU と並行して補助 IMU および (または) ジャイロスコープを融合するために利用されます。
必要なすべての慣性固有パラメータと IMU-IMU 時空間外部パラメータを含むように多重慣性測定をモデル化するとともに、IMU-IMU 剛体制約を活用して補助慣性ポーズの必要性を排除し、計算の複雑さを軽減します。
MVIS の可観測性解析を実行することにより、慣性センサーがどれだけ使用されても、標準的な 4 つの観測不可能な方向が残ることを証明し、また、IMU-IMU の時空間外部関数と補助慣性内部関数の縮退運動も初めて特定しました。
分析とアルゴリズムを検証する広範なシミュレーションに加えて、私たちは独自の MVIS センサー リグを構築し、25 を超える実世界のデータセットを収集して、提案されたキャリブレーションを Kalibr などの最先端のキャリブレーション方法と比較して実験的に検証しました。
私たちは、提案された MVIS キャリブレーションが、改善された収束性と再現性を備えた競合する精度を達成できることを示します。このキャリブレーションは、コミュニティにより良い利益をもたらすためにオープンソース化されています。

要約(オリジナル)

In this paper, we study state estimation of multi-visual-inertial systems (MVIS) and develop sensor fusion algorithms to optimally fuse an arbitrary number of asynchronous inertial measurement units (IMUs) or gyroscopes and global and(or) rolling shutter cameras. We are especially interested in the full calibration of the associated visual-inertial sensors, including the IMU or camera intrinsics and the IMU-IMU(or camera) spatiotemporal extrinsics as well as the image readout time of rolling-shutter cameras (if used). To this end, we develop a new analytic combined IMU integration with intrinsics-termed ACI3-to preintegrate IMU measurements, which is leveraged to fuse auxiliary IMUs and(or) gyroscopes alongside a base IMU. We model the multi-inertial measurements to include all the necessary inertial intrinsic and IMU-IMU spatiotemporal extrinsic parameters, while leveraging IMU-IMU rigid-body constraints to eliminate the necessity of auxiliary inertial poses and thus reducing computational complexity. By performing observability analysis of MVIS, we prove that the standard four unobservable directions remain – no matter how many inertial sensors are used, and also identify, for the first time, degenerate motions for IMU-IMU spatiotemporal extrinsics and auxiliary inertial intrinsics. In addition to the extensive simulations that validate our analysis and algorithms, we have built our own MVIS sensor rig and collected over 25 real-world datasets to experimentally verify the proposed calibration against the state-of-the-art calibration method such as Kalibr. We show that the proposed MVIS calibration is able to achieve competing accuracy with improved convergence and repeatability, which is open sourced to better benefit the community.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google