以下內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# PIEKF-VIWO: Visual-Inertial-Wheel Odometry using Partial Invariant Extended Kalman Filter

論文地址：https://arxiv.org/pdf/2303.07668.pdf

作者單位：上海交通大學(xué)

? 不變擴(kuò)展卡爾曼濾波器（IEKF）作為卡爾曼濾波器的一項先進(jìn)成果，已成功應(yīng)用于視覺慣性里程計（VIO），在傳感器融合中顯示出巨大的潛力。在本文中，我們提出了局部IEKF（PIEKF），它只將旋轉(zhuǎn)速度狀態(tài)納入李群結(jié)構(gòu)，并將其應(yīng)用于視覺慣性輪里程計（VIWO），以提高定位精度和一致性。

? 具體來說，我們推導(dǎo)了轉(zhuǎn)速測量模型，該模型將車輪測量與運動學(xué)約束相結(jié)合。該模型避開了車輪里程表的三維積分和協(xié)方差傳播，這對濾波器的一致性至關(guān)重要。并引入了平面約束來提高定位精度。采用動態(tài)異常值檢測方法，利用速度狀態(tài)輸出。通過仿真和真實世界的測試，我們驗證了我們的方法的有效性，它在一致性和準(zhǔn)確性方面優(yōu)于標(biāo)準(zhǔn)的基于多狀態(tài)約束卡爾曼濾波器（MSCKF）的VIWO。

本文貢獻(xiàn)如下：

1、推導(dǎo)了基于msckf的VIWO的PIEKF，該VIWO的李群結(jié)構(gòu)僅包含旋轉(zhuǎn)和速度。

2、為了適應(yīng)PIEKF框架，提出了車輪里程計的轉(zhuǎn)速測量模型。

3、為了提高魯棒性和精度，我們?yōu)檐囕喞锍逃嬕肓嘶趐iekf的平面約束模型，并為相機(jī)引入了基于速度的動態(tài)異常值檢測方法。

以上內(nèi)容來自小六的機(jī)器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容