以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# PIEKF-VIWO: Visual-Inertial-Wheel Odometry using Partial Invariant Extended Kalman Filter

(资料图片仅供参考)

论文地址：https://arxiv.org/pdf/2303.07668.pdf

作者单位：上海交通大学

不变扩展卡尔曼滤波器（IEKF）作为卡尔曼滤波器的一项先进成果，已成功应用于视觉惯性里程计（VIO），在传感器融合中显示出巨大的潜力。在本文中，我们提出了局部IEKF（PIEKF），它只将旋转速度状态纳入李群结构，并将其应用于视觉惯性轮里程计（VIWO），以提高定位精度和一致性。

具体来说，我们推导了转速测量模型，该模型将车轮测量与运动学约束相结合。该模型避开了车轮里程表的三维积分和协方差传播，这对滤波器的一致性至关重要。并引入了平面约束来提高定位精度。采用动态异常值检测方法，利用速度状态输出。通过仿真和真实世界的测试，我们验证了我们的方法的有效性，它在一致性和准确性方面优于标准的基于多状态约束卡尔曼滤波器（MSCKF）的VIWO。

本文贡献如下：

1、推导了基于msckf的VIWO的PIEKF，该VIWO的李群结构仅包含旋转和速度。

2、为了适应PIEKF框架，提出了车轮里程计的转速测量模型。

3、为了提高鲁棒性和精度，我们为车轮里程计引入了基于piekf的平面约束模型，并为相机引入了基于速度的动态异常值检测方法。

以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容