Fugu-MT 論文翻訳(概要): EDI: ESKF-based Disjoint Initialization for Visual-Inertial SLAM Systems

論文の概要: EDI: ESKF-based Disjoint Initialization for Visual-Inertial SLAM Systems

arxiv url: http://arxiv.org/abs/2308.02670v1
Date: Fri, 4 Aug 2023 19:06:58 GMT
ステータス: 処理完了
システム内更新日: 2023-08-08 19:17:38.743950
Title: EDI: ESKF-based Disjoint Initialization for Visual-Inertial SLAM Systems
Title（参考訳）: EDI:ビジュアル慣性SLAMシステムのためのESKFに基づく解離初期化
Authors: Weihan Wang, Jiani Li, Yuhang Ming, Philippos Mordohai
Abstract要約: 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。
参考スコア（独自算出の注目度）: 9.937997167972743
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Visual-inertial initialization can be classified into joint and disjoint approaches. Joint approaches tackle both the visual and the inertial parameters together by aligning observations from feature-bearing points based on IMU integration then use a closed-form solution with visual and acceleration observations to find initial velocity and gravity. In contrast, disjoint approaches independently solve the Structure from Motion (SFM) problem and determine inertial parameters from up-to-scale camera poses obtained from pure monocular SLAM. However, previous disjoint methods have limitations, like assuming negligible acceleration bias impact or accurate rotation estimation by pure monocular SLAM. To address these issues, we propose EDI, a novel approach for fast, accurate, and robust visual-inertial initialization. Our method incorporates an Error-state Kalman Filter (ESKF) to estimate gyroscope bias and correct rotation estimates from monocular SLAM, overcoming dependence on pure monocular SLAM for rotation estimation. To estimate the scale factor without prior information, we offer a closed-form solution for initial velocity, scale, gravity, and acceleration bias estimation. To address gravity and acceleration bias coupling, we introduce weights in the linear least-squares equations, ensuring acceleration bias observability and handling outliers. Extensive evaluation on the EuRoC dataset shows that our method achieves an average scale error of 5.8% in less than 3 seconds, outperforming other state-of-the-art disjoint visual-inertial initialization approaches, even in challenging environments and with artificial noise corruption.
Abstract（参考訳）: 視覚慣性初期化はジョイントアプローチとdisjointアプローチに分類できる。共同アプローチは、IMU統合に基づく特徴量を持つ点からの観測を調整し、視覚的および加速度的な観測で初期速度と重力を見つけることで、視覚的パラメータと慣性パラメータの両方に取り組む。対照的に、解離アプローチは、独立して、純粋な単分子SLAMから得られたカメラポーズから、SFM(Structure from Motion)問題を解き、慣性パラメータを決定する。しかし, 従来の非結合法には, 加速度バイアスの影響の無視を仮定したり, 純単球スラムによる正確な回転推定など, 限界がある。これらの問題に対処するため、我々は高速で正確で堅牢な視覚慣性初期化のための新しいアプローチであるEDIを提案する。本手法では,誤差状態カルマンフィルタ(eskf)を用いてジャイロスコープバイアスを推定し,モノクロスラムからの回転推定を正し,純モノクロスラムへの依存を克服して回転推定を行う。先行情報なしでスケール係数を推定するために,初期速度,スケール,重力,加速度バイアス推定のための閉形式解を提案する。重力と加速度バイアスのカップリングに対処するために,線形最小二乗方程式に重みを導入し,加速度バイアスの可観測性を確保し,異常値を扱う。 EuRoCデータセットの広範囲な評価により,提案手法は3秒未満で平均5.8%の誤差を達成し,課題のある環境や人工騒音の汚職においても,他の最先端の視覚慣性初期化手法よりも優れていた。

関連論文リスト

Tight Fusion of Events and Inertial Measurements for Direct Velocity Estimation [20.002238735553792]
本研究では,通常のカメラの代わりに動的視覚センサを用いて,一階キネマティクスのレベルで直接視覚-慣性融合を行う新しい手法を提案する。本研究では, 短時間で高ダイナミックな状況下での速度推定がどのように得られるかを示す。シミュレーションデータと実データの両方の実験により、提案された密接な事象-慣性融合が連続的かつ信頼性の高い速度推定に繋がることを示した。
論文参考訳（メタデータ） (2024-01-17T15:56:57Z)
Inertial Guided Uncertainty Estimation of Feature Correspondence in Visual-Inertial Odometry/SLAM [8.136426395547893]
慣性ガイダンスを用いて特徴対応の不確かさを推定する手法を提案する。また,近年の視覚-慣性オドメトリー/SLAMアルゴリズムの1つに組み込むことにより,本手法の有効性を実証する。
論文参考訳（メタデータ） (2023-11-07T04:56:29Z)
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)
A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
論文参考訳（メタデータ） (2022-02-01T21:21:56Z)
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)
Instant Visual Odometry Initialization for Mobile AR [5.497296425129818]
運動視差を伴わずとも瞬時に初期化できる6-DoF単眼視機能検査を施行した。我々の主な貢献は5-DoFの相対回転と翻訳の方向を推定するポーズ推定器である。我々のソリューションは、フルオドメトリーまたはサポート対象のSLAMシステムのプレSLAMコンポーネントとして使用される。
論文参考訳（メタデータ） (2021-07-30T14:25:40Z)
On the Robustness of Multi-View Rotation Averaging [77.09542018140823]
解法に$epsilon$-cycle整合項を導入する。重み低減による誤測定の負の効果を暗黙的に抑制する。実験の結果,提案手法は様々なベンチマークで芸術の状況よりも優れていた。
論文参考訳（メタデータ） (2021-02-09T05:47:37Z)
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)
Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文参考訳（メタデータ） (2020-09-28T15:05:39Z)
Online Initialization and Extrinsic Spatial-Temporal Calibration for Monocular Visual-Inertial Odometry [19.955414423860788]
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。
論文参考訳（メタデータ） (2020-04-12T03:13:08Z)

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。