以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

论文# Visual-Inertial SLAM with Tightly-Coupled Dropout-Tolerant GPS Fusion

论文地址：https://arxiv.org/pdf/2208.00709.pdf

作者单位：慕尼黑工业大学

  结合视觉和惯性传感器模式在短时间内产生精确和局部一致的结果。但是，视觉惯性状态估计器受到长期轨迹漂移累积的影响。为了消除这种漂移，可以将全局测量融合到状态估计中。在本文中，我们提出了一种全新的方法，该方法将双目视觉-惯性同步定位与映射(SLAM)，包括视觉闭环，与紧密耦合和基于优化的框架中的全局传感器模式融合。结合测量的不确定性，我们提供了一个鲁棒准则来解决全局参考系初始化问题。

  此外，我们提出了一个类似闭环的优化方案，以补偿在接收GPS信号中断期间积累的漂移。在数据集上的实验验证和在现实世界的实验中证明了我们的方法对GPS偏差的鲁棒性，以及与现有最先进的方法相比，其估算高度准确和全球一致轨迹的能力。

本文贡献如下：

1、我们提出了一种新的VI-SLAM系统，该系统将立体视觉惯性状态估计和全局位置测量与视觉闭环优化紧密耦合在一起。该方法试图利用最佳的全局测量值来减小姿态估计的漂移。

2、我们提出了一种不确定感知方法来初始化和估计全局参考系和VIO世界参考系之间的4自由度(DoF)外部转换(偏航+平移)，以便将全局测量融合到VI估计器中。一旦估计好了外部性，全局参考系就固定了，这就简化了状态估计的复杂性，从而增加了使用的便捷性。

3、为了应对不可避免的GPS信号中断，在长时间GPS中断后，一旦再次接收到测量数据，将触发GPS- vio外部结构的重新初始化。在这种情况下，重新初始化提供了GPS信号中断期间累积漂移的估计值。在类似于闭环的方式中，这种漂移可以通过全局对齐方法来补偿，该方法使用旋转平均和位置误差分布来产生全局一致的轨迹。

以上内容来自小六的机器人SLAM学习圈 每日更新内容