ETA-INIT: Enhancing the Translation Accuracy for Stereo Visual-Inertial SLAM Initialization

要約

最先端のステレオ視覚慣性 SLAM フレームワークの現在の初期化方法として、ORB-SLAM3 には制限があります。
その成功は純粋なステレオ SLAM システムのパフォーマンスに依存しており、純粋な視覚的 SLAM が慣性パラメーターの推定に不可欠なカメラの軌道を正確に推定できるという基本的な前提に基づいています。
一方、ステレオ NEC として知られる ORB-SLAM3 のさらに改良された初期化方法は、キーポイント トラッキングを適用して通常のエピポーラ制約でジャイロスコープ バイアスを推定するため、時間がかかります。
従来の方法の限界に対処するために、この論文では、初期化段階での翻訳精度を向上させることを目的とした方法を提案します。
私たちの方法の基本コンセプトは、ORB-SLAM3 の 6-DoF BA を使用する代わりに、回転推定値を固定しながら、3 自由度 (DoF) のバンドル調整 (BA) を使用して平行移動推定値を独立して改善することです。
さらに、回転推定値は、ステレオ ビジュアル オドメトリから直接取得される ORB-SLAM3 の回転とは異なり、IMU 測定値とジャイロスコープ バイアスを考慮して更新され、困難なシナリオで動作すると劣った結果が生じる可能性があります。
また、公開ベンチマークである EuRoC データセットについて広範な評価を実施し、私たちの手法が精度において優れていることを実証しています。

要約(オリジナル)

As the current initialization method in the state-of-the-art Stereo Visual-Inertial SLAM framework, ORB-SLAM3 has limitations. Its success depends on the performance of the pure stereo SLAM system and is based on the underlying assumption that pure visual SLAM can accurately estimate the camera trajectory, which is essential for inertial parameter estimation. Meanwhile, the further improved initialization method for ORB-SLAM3, known as Stereo-NEC, is time-consuming due to applying keypoint tracking to estimate gyroscope bias with normal epipolar constraints. To address the limitations of previous methods, this paper proposes a method aimed at enhancing translation accuracy during the initialization stage. The fundamental concept of our method is to improve the translation estimate with a 3 Degree-of-Freedom (DoF) Bundle Adjustment (BA), independently, while the rotation estimate is fixed, instead of using ORB-SLAM3’s 6-DoF BA. Additionally, the rotation estimate will be updated by considering IMU measurements and gyroscope bias, unlike ORB-SLAM3’s rotation, which is directly obtained from stereo visual odometry and may yield inferior results when operating in challenging scenarios. We also conduct extensive evaluations on the public benchmark, the EuRoC dataset, demonstrating that our method excels in accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google