计算机视觉工坊用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计：用于机器人导航辅助的6自由度姿态估

_本文原题：用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计
作者：Amber来源：微信公众号|3D视觉工坊（系投稿）「3D视觉工坊」技术交流群已经成立，目前大约有12000人，方向主要涉及3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等。工坊致力于干货输出，不做搬运工，为计算机视觉领域贡献自己的力量！欢迎大家一起交流成长~添加小助手微信：CV_LAB ，备注学校/公司+姓名+研究方向即可加入工坊一起学习进步。Plane-AidedVisual-InertialOdometryfor6-DOFPoseEstimationofaRoboticNavigationAid
用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计
HEZHANGANDCANGYE(SeniorMember,IEEE)
【论文速看】
1、解决了什么问题？
很多论文通过使用视觉里程计的输出来更新IMU的偏置等，但现在还没有很可靠的算法来评估视觉里程计输出的可靠性。
2、提出了什么方法？创新点体现在哪些方面？
（1）提出新的VIO算法，使用3DTOF相机辅助导航；
（2）从当前相机视场的3D点云中提取平面信息，并进行跟踪
（3）提出评估视觉里程计输出精度的算法
3、有哪些需要补充的知识点
（1）3DTOF相机
（2）因子图
【摘要】
经典视觉惯性里程计（VIO）算法通过融合视觉里程计（VO）估计的相机自运动和惯性测量单元（IMU）测量的运动来估计运动相机的6自由度位姿。 VIO试图通过在每一步使用VO的输出来更新IMU偏置的估计，从而提高IMU的测量精度。这种方法只有在准确的VO输出能被识别和使用时才有效。然而，没有可靠的方法可以用来进行在线评估的准确性的VO 。这篇论文中，介绍了一个新的用于机器人导航辅助（RNA）的位置估计VIO算法，该算法使用了一个3DTOF相机辅助导航。该算法（称作PAVIO）从当前相机视场的3D点云中提取平面，并且通过使用IMU的测量在下一相机视场中跟踪这些平面。算法计算了各跟踪平面参数的协方差矩阵，并且利用参数协方差来进行基于卡方检验的平面一致性检测从而提高VO的输出精度。只有当VO的输出准确时， PAVIO才会接收VO的输出。接收到的VO输出、提取平面的信息以及IMU随时间的测量都被用于构建一个因子图。通过优化图，算法提升了估计IMU偏置的精度并且降低了相机位姿的误差。实验结果验证了该方法的有效性。 PAVIO可用于任何基于3D摄像机的视觉惯性导航系统的6自由度姿态估计。
【介绍】
论文提出一种名为“平面辅助VIO”的算法（PAVIO），其通过使用一个3DTOF相机和IMU来进行位姿估计。算法从相机的点云地图中提取平面特征，并且在相机的数据帧上跟踪这些特征，从而在帧之间关联平面特征。接着，使用平面关联信息通过最小化因子图的残差来降低位子估计误差，因子图整合了VO估计的位姿变化、IMU估计的位姿变化以及关联平面的信息。论文的主要贡献：
（1）提出了平面辅助的VIO算法，在图优化框架中，通过将观察到的平面与VO计算的位姿变化估计和IMU的测量紧耦合，提高了位姿估计精度。
（2）提出了一个平面一致性检测算法来检测和剔除VO中不精确的位姿变化。平面一致性检测算法避免提出的VIO算法使用不精确的VO数据，从而获得精度更高的位姿估计。
（3）在一个视障辅助导航的RNA原型的视惯导航系统上实现了所提出的TOF辅助的VIO方法，并在真实环境下进行了实验。

文章图片

计算机视觉工坊 用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计

计算机视觉工坊用于机器人导航辅助的6自由度姿态估计的平面辅助视觉惯性里程计