A Probabilistic-based Drift Correction Module for Visual Inertial SLAMs

要約

測位は著名な研究分野であり、特に視覚慣性オドメトリ (VIO) および同時位置特定およびマッピング (SLAM) 手法に焦点を当てています。
これらの方法は進歩しているにもかかわらず、推測航法エラーに遭遇することが多く、特に長い移動中に推定されるプラットフォームの動きにかなりのずれが生じます。
このような場合、ドリフト誤差は無視できないため、修正する必要があります。
私たちが提案するアプローチは、各エポックで SLAM 手法によって生成された推定された動きを補正することにより、ドリフト誤差を最小限に抑えます。
私たちの方法論では、SLAM ソリューションによってレンダリングされた測位測定値を、多変量分布で一緒に定式化された確率変数として扱います。
この設定では、ドリフトの補正は、プラットフォームの動きと環境に関する一連の関連する地理空間事前分布の尤度を共同で最大化する、この多変量分布のモードを見つけることと同等になります。
私たちのメソッドは、補正モジュールとしてあらゆる SLAM/VIO メソッドに統合可能です。
私たちの実験結果は、長いトレバースでのドリフト誤差を 10 分の 1 に最小化するという私たちのアプローチの有効性を示しています。

要約(オリジナル)

Positioning is a prominent field of study, notably focusing on Visual Inertial Odometry (VIO) and Simultaneous Localization and Mapping (SLAM) methods. Despite their advancements, these methods often encounter dead-reckoning errors that leads to considerable drift in estimated platform motion especially during long traverses. In such cases, the drift error is not negligible and should be rectified. Our proposed approach minimizes the drift error by correcting the estimated motion generated by any SLAM method at each epoch. Our methodology treats positioning measurements rendered by the SLAM solution as random variables formulated jointly in a multivariate distribution. In this setting, The correction of the drift becomes equivalent to finding the mode of this multivariate distribution which jointly maximizes the likelihood of a set of relevant geo-spatial priors about the platform motion and environment. Our method is integrable into any SLAM/VIO method as an correction module. Our experimental results shows the effectiveness of our approach in minimizing the drift error by 10x in long treverses.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google