Trifo-VIO: Robust and Efficient Stereo Visual Inertial Odometry using Points and Lines
摘要 - 在本文中，我們介紹了Trifo Visual Inertial Odometry（Trifo-VIO），一種使用點和線的緊耦合濾波雙目VIO系統。當無法可靠地檢測或跟蹤點特征時，線特征有助於在挑戰性場景中提高系統穩健性，例如，低紋理環境或照明變化。此外，我們提出了一種新穎的基於輕量級濾波的閉環技術，可以在不進行全局束調整或姿勢圖優化的情況下減少累積漂移。我們在EKF更新時制定循環閉包，以便將過濾器維護的當前滑動窗口最佳地重新定位到過去的關鍵幀。我們還提供了Trifo Ironsides數據集，這是一個新的視覺慣性數據集，具有來自Ironsides傳感器[3]的高質量同步雙目相機和IMU數據，具有各種運動類型和紋理以及毫米級精度的groundtruth。為了驗證所提出系統的性能，我們使用公共EuRoC數據集和Trifo Ironsides數據集對最先進的方法（OKVIS，VINS-MONO和S-MSCKF）進行了廣泛的比較。
PL-VIO: Tightly-Coupled Monocular Visual–Inertial Odometry Using Point and Line Features
摘要：為了解決基於慣性測量和視覺觀測的相機軌跡估計和構建結構三維（3D）地圖的問題，本文提出了點線視覺慣性里程計（PL-VIO），一種緊耦合利用點和線特征的單目視覺慣性里程計系統。與點特征相比，線提供了更多關於環境的幾何結構信息。為了獲得3D空間線的計算簡單性和表示緊湊性，采用普呂克坐標和線的正交表示。為了緊密有效地融合來自慣性測量單元（IMU）和視覺傳感器的信息，我們通過最小化成本函數來優化狀態，該成本函數將預先集成的IMU誤差項與點和線重新投影誤差項組合在滑動窗口中 優化框架。在公共數據集上評估的實驗表明，結合點和線特征的PL-VIO方法優於僅使用點特征的幾個最先進的VIO系統。
Real-Time Motion Tracking for Mobile Augmented/Virtual Reality Using Adaptive Visual-Inertial Fusion
摘要：在移動增強/虛擬現實（AR / VR）中，實時6自由度（DoF）運動跟蹤對虛擬場景與現實世界之間的配准至關重要。然而，由於當今移動終端的有限計算能力，連續到達姿勢之間的等待時間將損害移動AR / VR中的用戶體驗。因此，本文提出了一種基於視覺慣性的移動AR / VR實時運動跟蹤方法。 通過慣性傳感器的高頻和無源輸出，實現了移動AR / VR到達姿態的實時性能。此外，為了減輕視覺慣性融合過程中的抖動現象，建立了自適應濾波器框架，以自動應對不同的運動情況，通過平衡抖動和延遲實現實時6-DoF運動跟蹤。此外，傳統的基於視覺的運動跟蹤的穩健性得到增強，在遇到運動模糊時產生更好的移動AR / VR性能。最后，通過實驗證明了所提出的方法，結果表明，該工作能夠為移動AR / VR實時提供平滑，穩健的6-DoF運動跟蹤。
ICE-BA: Incremental, Consistent and Efficient Bundle Adjustment for Visual-Inertial SLAM
由於視覺特性和慣性測量的互補性，現代視覺慣性SLAM（VI-SLAM）比純視覺SLAM具有更高的精度和魯棒性。然而，聯合使用視覺和慣性測量來優化SLAM目標函數是高計算復雜性的問題。在許多VI-SLAM應用中，傳統的優化求解器只能使用非常有限數量的近期測量來進行實時姿態估計，代價是次優的定位精度。在這項工作中，我們翻新了VI-SLAM的數值求解器。與傳統解算器相比，我們的提議提供了具有顯着更高計算效率的精確解決方案。我們的求解器允許我們使用非常多的測量值來實現更高的精度和魯棒性。此外，我們的方法解決了許多最先進的SLAM系統未解決的全局一致性問題：保證在循環閉合期間最小化重投影函數和慣性約束函數。實驗證明，與替代品相比，我們的新配方可以降低定位誤差並提高10倍以上的速度。我們發布實施的源代碼以使社區受益。
Robust visual-inertial SLAM:combination of EKF and optimization method
本文結合了濾波方法和優化方法的優點，提出了一種新穎的緊耦合單目視覺慣性同時定位與映射（SLAM）算法。 我們的方法在前端使用IMU輔助視覺EKF SLAM方法來估計幀速率下的姿勢和速度。 在后端，已經使用諸如非線性優化和環閉合的標准方法來獲得傳感器的准確軌跡和環境的3D圖。 我們還提出了一種新穎的尺度計算方法，可以在短時間內准確地初始化尺度。 此外，優化的地圖點已被用於提高過濾器的准確性。 我們在公共數據集上評估算法，與其他最先進的單眼視覺慣性SLAM方法相比，我們的算法實現了前所未有的准確性和魯棒性。
A Review of Visual-Inertial Simultaneous Localization and Mapping from Filtering-Based and Optimization-Based Perspectives
視覺慣導的綜述性文章