获取完整原文，公众号回复：0173
论文地址： http://rpg.ifi.uzh.ch/docs/RSS15_Forster.pdf
代码： 暂无（融合进了gtsam/navigation/ImuFactor）
来源： 苏黎世大学机器人和感知小组
论文名称：IMU Preintegration on Manifold for Efficient Visual-Inertial Maximum-a-Posteriori Estimation
原文作者：Christian Forster
内容提要
单目视觉惯性导航(VIN)的最新结果表明，基于优化的方法在精度方面优于滤波方法，因为它们能够对过去的状态进行优化。然而，这种改进是以增加计算复杂度为代价的。在本文中，我们通过预积分选定关键帧之间的惯性测量来解决这个问题。预积分使我们能够精确地将数百个惯性测量结果，汇总为一个相对运动约束。首先，我们的第一个贡献是预积分理论，它正确地解决了旋转群的流形结构，并仔细地处理了预积分过程中不确定性的传播问题。这些IMU测量值会被集成到一个局部帧中，这消除了点线性变换是需要重复积分的问题，为IMU的bias的优化提供了更好的空间。我们的第二个贡献是证明了使用预积分模型，可以在一个管道中，使用因子图的方式无缝的与视觉优化融合到一起。 这样就可以使用非结构化的模型进行可视化测量，进一步加快了计算速度。我们的第三个贡献是对我们的单目VIN流程进行了大量的评估:实验结果证实，我们的系统与最先进的过滤和优化算法（包括现有的系统，如谷歌Tango）相比，不仅速度快而且准确性高。
主要框架及实验结果
声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。
