論文の概要: Online Initialization and Extrinsic Spatial-Temporal Calibration for
Monocular Visual-Inertial Odometry
- arxiv url: http://arxiv.org/abs/2004.05534v1
- Date: Sun, 12 Apr 2020 03:13:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 05:31:31.896393
- Title: Online Initialization and Extrinsic Spatial-Temporal Calibration for
Monocular Visual-Inertial Odometry
- Title（参考訳）: 単眼視覚慣性オドメトリーにおけるオンライン初期化と時間-時空間キャリブレーション
- Authors: Weibo Huang, Hong Liu, Weiwei Wan
- Abstract要約: 本稿では,最適化に基づく単眼的視覚慣性眼球運動計測(VIO)のオンラインブートストラップ法を提案する。
この方法は、カメラとIMU間の相対変換(空間)と時間オフセット(時間)をオンラインに校正し、計量スケール、速度、重力、ジャイロスコープバイアス、加速度計バイアスを推定することができる。
公開データセットにおける実験結果から,初期値とパラメータ,およびセンサのポーズが,提案手法により正確に推定できることが示唆された。
- 参考スコア（独自算出の注目度）: 19.955414423860788
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an online initialization method for bootstrapping the
optimization-based monocular visual-inertial odometry (VIO). The method can
online calibrate the relative transformation (spatial) and time offsets
(temporal) among camera and IMU, as well as estimate the initial values of
metric scale, velocity, gravity, gyroscope bias, and accelerometer bias during
the initialization stage. To compensate for the impact of time offset, our
method includes two short-term motion interpolation algorithms for the camera
and IMU pose estimation. Besides, it includes a three-step process to
incrementally estimate the parameters from coarse to fine. First, the extrinsic
rotation, gyroscope bias, and time offset are estimated by minimizing the
rotation difference between the camera and IMU. Second, the metric scale,
gravity, and extrinsic translation are approximately estimated by using the
compensated camera poses and ignoring the accelerometer bias. Third, these
values are refined by taking into account the accelerometer bias and the
gravitational magnitude. For further optimizing the system states, a nonlinear
optimization algorithm, which considers the time offset, is introduced for
global and local optimization. Experimental results on public datasets show
that the initial values and the extrinsic parameters, as well as the sensor
poses, can be accurately estimated by the proposed method.
- Abstract（参考訳）: 本稿では,最適化に基づく単眼視覚慣性眼振(VIO)をブートストラップするオンライン初期化手法を提案する。
この方法は、カメラとimu間の相対変換(空間的)と時間オフセット(時間的)をオンラインに校正し、初期化段階でのメートル法スケール、速度、重力、ジャイロスコープバイアス、加速度計バイアスの初期値を推定することができる。
時間オフセットの影響を補償するために,カメラと imu ポーズ推定のための2つの短期動作補間アルゴリズムを含む。
さらに、粗いパラメータから細かいパラメータをインクリメンタルに見積もる3段階のプロセスも含まれている。
まず、カメラとIMUの回転差を最小化することにより、外因性回転、ジャイロバイアス、タイムオフセットを推定する。
第2に、補正カメラのポーズを用いて加速度計のバイアスを無視して、計量スケール、重力、外在翻訳を推定する。
第三に、これらの値は加速度計のバイアスと重力の大きさを考慮して洗練される。
システム状態のさらなる最適化のために、時間オフセットを考慮した非線形最適化アルゴリズムを導入し、大域的および局所的な最適化を行う。
公開データセットにおける実験結果から,初期値と外部パラメータ,およびセンサのポーズを,提案手法により正確に推定できることが示唆された。
関連論文リスト
- Universal Online Temporal Calibration for Optimization-based Visual-Inertial Navigation Systems [13.416013522770905]
最適化に基づくビジュアル慣性ナビゲーションシステムのための汎用的なオンライン時間的キャリブレーション戦略を提案する。
我々は、最適化残差モデルにおいて、タイムオフセットtdを状態パラメータとして使用し、IMU状態を対応する画像のタイムスタンプに整列させる。
我々のアプローチは、特にノイズの多いセンサデータの存在下で、より正確な時間オフセット推定とより高速な収束を提供する。
論文 参考訳（メタデータ） (2025-01-03T12:41:25Z) - DOGE: An Extrinsic Orientation and Gyroscope Bias Estimation for Visual-Inertial Odometry Initialization [7.706396165773557]
回転補正を遅らせることなく高精度で高剛性な視覚慣性オドメトリー(VIO)法を提案する。
本手法は,競争効率を維持しつつ,精度とロバスト性の両方で最先端の手法より優れる。
論文 参考訳（メタデータ） (2024-12-11T06:44:22Z) - An Accurate and Real-time Relative Pose Estimation from Triple Point-line Images by Decoupling Rotation and Translation [10.05584976985694]
3D-2D制約は、Visual Odometry (VO) やStructure-from-Motion (SfM) システムで広く使われている。
回転変換デカップリング推定に基づく新しい3次元ポーズ解決器を提案する。
論文 参考訳（メタデータ） (2024-03-18T10:21:05Z) - Fixation-based Self-calibration for Eye Tracking in VR Headsets [0.21561701531034413]
提案手法は,ユーザの視点が自由に動けるという仮定に基づいている。
固定は、まず、補正されていない視線方向の時系列データから検出される。
キャリブレーションパラメータは、PoRsの分散メトリクスの和を最小化することにより最適化される。
論文 参考訳（メタデータ） (2023-11-01T09:34:15Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳（メタデータ） (2023-08-21T13:03:25Z) - EDI: ESKF-based Disjoint Initialization for Visual-Inertial SLAM Systems [9.937997167972743]
本稿では,高速,高精度,堅牢な視覚慣性初期化のための新しい手法を提案する。
提案手法は,3秒未満で平均5.8%の誤差を実現する。
論文 参考訳（メタデータ） (2023-08-04T19:06:58Z) - RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。
我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
論文 参考訳（メタデータ） (2022-12-14T13:19:40Z) - DM-VIO: Delayed Marginalization Visual-Inertial Odometry [62.746533939737446]
本稿では,遅延残差化とポーズグラフバンドル調整に基づく視覚慣性システムDM-VIOを提案する。
我々は,EuRoC,TUM-VI,および4Seasonsデータセットを用いて,空飛ぶドローン,大規模ハンドヘルド,自動車シナリオからなるシステムの評価を行った。
論文 参考訳（メタデータ） (2022-01-11T18:30:37Z) - Robust 360-8PA: Redesigning The Normalized 8-point Algorithm for 360-FoV
Images [53.11097060367591]
球面投影における360-fov画像から本質行列を推定する新しい手法を提案する。
我々の正規化は、時間を大幅に上回ることなく、カメラの精度を約20%向上させることができることを示す。
論文 参考訳（メタデータ） (2021-04-22T07:23:11Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2020-02-29T06:24:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。