如何将平面辅助视觉惯性里程计应用于6自由度姿态估计的机器人导航辅助系统？

本文共计2421个文字，预计阅读时间需要10分钟。

基于平面辅助的视觉惯性里程计：用于机器人导航辅助的6自由度位姿估计方法——张鹤、叶舱（IEEE高级会员）[论文速览]

Plane-Aided Visual-Inertial Odometry for 6-DOF Pose Estimation of a Robotic Navigation Aid

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

HE ZHANG AND CANG YE (Senior Member, IEEE)

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3D TOF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）3D TOF相机

（2）因子图

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。