龙空技术网

【实用】MSCKF 的增强版本Fast-MSCKF,速度快6倍,精度提升20%

计算机视觉life 149

前言:

目前小伙伴们对“fast算法特征的步骤”都比较着重,你们都想要了解一些“fast算法特征的步骤”的相关知识。那么小编在网摘上网罗了一些关于“fast算法特征的步骤””的相关内容,希望同学们能喜欢,各位老铁们快快来学习一下吧!

以下内容来自如何高效学习机器人SLAM? 每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# An Improved Multi-State Constraint Kalman Filter for Visual-Inertial Odometry

论文地址:

作者单位:谢里夫理工大学

快速姿态估计(PE)对于敏捷机器人的性能至关重要。GPS 和 GNSS 等全球定位系统通常与用于 PE 的惯性导航系统 (INS) 融合使用。然而,低更新率和缺乏适当的信号使其在室内和城市应用中不实用。另一方面,视觉惯性里程计 (VIO) 作为 GNSS/INS 系统在 GPS 拒绝环境中的实用替代方案越来越受欢迎。在众多基于 VIO 的方法中,多状态约束卡尔曼滤波器 (MSCKF) 因其鲁棒性、速度和准确性而受到更多关注。为此,在资源受限的车辆上实时实施 MSCKF 的图像处理相关的高计算成本仍然是一项具有挑战性的持续研究。

在本文中,提出了MSCKF 的增强版本。为此,提出了不同的特征边缘化和状态修剪策略,从而产生更快的算法。所提出的算法在开源数据集和实际实验中进行了测试以进行验证。结果表明,与标准 MSCKF 算法相比,所提出的 Fast-MSCKF (FMSCKF) 在最终位置估计方面的速度大约快了 6 倍,并且准确度至少提高了 20%。

以上内容来自如何高效学习机器人SLAM? 每日更新内容

标签: #fast算法特征的步骤