基于双重初始化和分级优化的改进视觉惯性SLAM方法

• 作者: 凌有铸 郭俊阳 陈孟元 陈何宝 袁学超
• 来源期刊: 中国惯性技术学报
• 关键词: 基于视觉的同时定位与建图 信息矩阵 评估函数 共视约束 状态优化
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 组合导航技术|Integrated Navigation Technology
• 页码范围: 191-198
• 页数: 8页
• 分类号: U666.12
• 语种: 中文
• DOI: 10.13695/j.cnki.12-1222/o3.2021.02.008

摘要

针对传统视觉惯性SLAM初始化阶段收敛速度慢、准确性低以及抗干扰能力较弱,实时优化过程局部轨迹累计误差高、后端优化精度低等问题,提出一种双重初始化和关键帧分级优化的改进视觉惯性SLAM方法.在视觉惯性导航系统(VINS)初始化基础上构建观测样本情形评估函数,评估状态误差信息矩阵,判断初始化算法终止条件,缩短初始化时间,提高系统鲁棒性.在后端优化阶段建立紧耦合图优化模型,在滑动窗口优化之前以共视关系分级关键帧,优化强共视关键帧,消除局部累计误差,提高后端优化精度.在EuRoC数据集上进行的实验结果表明,所提方法较VINS-mono漂移误差减少约34％,时间效率提高11.19％,建图精度得到明显提升.