Trifo-VIO: Robust and Efficient Stereo Visual Inertial Odometry using Points and Lines
摘要 - 在本文中，我们介绍了Trifo Visual Inertial Odometry（Trifo-VIO），一种使用点和线的紧耦合滤波双目VIO系统。当无法可靠地检测或跟踪点特征时，线特征有助于在挑战性场景中提高系统稳健性，例如，低纹理环境或照明变化。此外，我们提出了一种新颖的基于轻量级滤波的闭环技术，可以在不进行全局束调整或姿势图优化的情况下减少累积漂移。我们在EKF更新时制定循环闭包，以便将过滤器维护的当前滑动窗口最佳地重新定位到过去的关键帧。我们还提供了Trifo Ironsides数据集，这是一个新的视觉惯性数据集，具有来自Ironsides传感器[3]的高质量同步双目相机和IMU数据，具有各种运动类型和纹理以及毫米级精度的groundtruth。为了验证所提出系统的性能，我们使用公共EuRoC数据集和Trifo Ironsides数据集对最先进的方法（OKVIS，VINS-MONO和S-MSCKF）进行了广泛的比较。
PL-VIO: Tightly-Coupled Monocular Visual–Inertial Odometry Using Point and Line Features
摘要：为了解决基于惯性测量和视觉观测的相机轨迹估计和构建结构三维（3D）地图的问题，本文提出了点线视觉惯性里程计（PL-VIO），一种紧耦合利用点和线特征的单目视觉惯性里程计系统。与点特征相比，线提供了更多关于环境的几何结构信息。为了获得3D空间线的计算简单性和表示紧凑性，采用普吕克坐标和线的正交表示。为了紧密有效地融合来自惯性测量单元（IMU）和视觉传感器的信息，我们通过最小化成本函数来优化状态，该成本函数将预先集成的IMU误差项与点和线重新投影误差项组合在滑动窗口中 优化框架。在公共数据集上评估的实验表明，结合点和线特征的PL-VIO方法优于仅使用点特征的几个最先进的VIO系统。
Real-Time Motion Tracking for Mobile Augmented/Virtual Reality Using Adaptive Visual-Inertial Fusion
摘要：在移动增强/虚拟现实（AR / VR）中，实时6自由度（DoF）运动跟踪对虚拟场景与现实世界之间的配准至关重要。然而，由于当今移动终端的有限计算能力，连续到达姿势之间的等待时间将损害移动AR / VR中的用户体验。因此，本文提出了一种基于视觉惯性的移动AR / VR实时运动跟踪方法。 通过惯性传感器的高频和无源输出，实现了移动AR / VR到达姿态的实时性能。此外，为了减轻视觉惯性融合过程中的抖动现象，建立了自适应滤波器框架，以自动应对不同的运动情况，通过平衡抖动和延迟实现实时6-DoF运动跟踪。此外，传统的基于视觉的运动跟踪的稳健性得到增强，在遇到运动模糊时产生更好的移动AR / VR性能。最后，通过实验证明了所提出的方法，结果表明，该工作能够为移动AR / VR实时提供平滑，稳健的6-DoF运动跟踪。
ICE-BA: Incremental, Consistent and Efficient Bundle Adjustment for Visual-Inertial SLAM
由于视觉特性和惯性测量的互补性，现代视觉惯性SLAM（VI-SLAM）比纯视觉SLAM具有更高的精度和鲁棒性。然而，联合使用视觉和惯性测量来优化SLAM目标函数是高计算复杂性的问题。在许多VI-SLAM应用中，传统的优化求解器只能使用非常有限数量的近期测量来进行实时姿态估计，代价是次优的定位精度。在这项工作中，我们翻新了VI-SLAM的数值求解器。与传统解算器相比，我们的提议提供了具有显着更高计算效率的精确解决方案。我们的求解器允许我们使用非常多的测量值来实现更高的精度和鲁棒性。此外，我们的方法解决了许多最先进的SLAM系统未解决的全局一致性问题：保证在循环闭合期间最小化重投影函数和惯性约束函数。实验证明，与替代品相比，我们的新配方可以降低定位误差并提高10倍以上的速度。我们发布实施的源代码以使社区受益。
Robust visual-inertial SLAM:combination of EKF and optimization method
本文结合了滤波方法和优化方法的优点，提出了一种新颖的紧耦合单目视觉惯性同时定位与映射（SLAM）算法。 我们的方法在前端使用IMU辅助视觉EKF SLAM方法来估计帧速率下的姿势和速度。 在后端，已经使用诸如非线性优化和环闭合的标准方法来获得传感器的准确轨迹和环境的3D图。 我们还提出了一种新颖的尺度计算方法，可以在短时间内准确地初始化尺度。 此外，优化的地图点已被用于提高过滤器的准确性。 我们在公共数据集上评估算法，与其他最先进的单眼视觉惯性SLAM方法相比，我们的算法实现了前所未有的准确性和鲁棒性。
A Review of Visual-Inertial Simultaneous Localization and Mapping from Filtering-Based and Optimization-Based Perspectives
视觉惯导的综述性文章