.png){kind=icon}
返回
Direct Sparse Initialization for Stereo Visual-Inertial Odometry
.png){kind=icon}
PRE
AI
DOI：10.1109/LRA.2026.3682535.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有立体视觉惯性初始化方法，无论是紧耦合还是松耦合，都严重依赖特征对应关系和相机位姿等中间变量，而非原始图像数据。通过特征跟踪和运动恢复结构（SfM）计算这些变量会固有地引入误差，从而影响结果。为克服此限制，我们提出了一种用于立体视觉惯性里程计的直接初始化方法，该方法直接关联原始图像强度和初始参数，绕过传统的中间变量。具体而言，我们引入一个预测函数来计算初始参数对应的点。然后，我们构建一个目标函数，通过最小化稀疏点的光度误差来优化初始参数，无需特征跟踪和SfM。我们初始化中的度量尺度由立体基线直接确定。此外，我们提出了一个两帧初始化的近似方法，证明其在极少量帧数据下仍有效。大量实验证实，我们的方法在估计精度和初始化成功率方面均表现更优，且运行时间更短。即使仅用3帧进行初始化，我们的方法在大多数指标上仍优于使用10帧的当前最佳方法。
Keyword:
Visual-inertial SLAM
sensor fusion
期刊
I
IF:
5.3
论文数:
2.0K
被引数:
3.9W
机构
引用论文
.png){kind=icon}
查看更多内容