【泡泡图灵智库】基于视觉惯性里程计状态估计中处理测量自由度的比较

泡泡图灵智库，带你精读机器人顶级会议文章

标题：On the Comparison of Gauge Freedom Handling in
Optimization-based Visual-Inertial State Estimation

作者：Zichao Zhang, Guillermo Gallego, Davide Scaramuzza

来源：IEEE ROBOTIC 2018

播音员：

编译：李阳阳

审核：凌勇

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

   大家好，今天为大家带来的文章是 —— nOn the Comparison of Gauge Freedom Handling in Optimization-based Visual-Inertial State Estimation ，该文章为IEEE ROBOTIC 2018

众所周知，视觉惯性里程计需要估计四个自由度（绕着重力的旋转和平移），额外的测量自由度也必须被合理估计。尽管目前对处理测量自由度的不同方法已经被付诸实施，但过去的研究没有分析它们的不同。本文，首次对基于优化的视觉惯性里程计估计测量自由度不同方法进行了分析。本文实验比较了三种普遍的方法：在历史信息中固定不可观测的状态，在众多状态中加入先验信息，或者在优化过程中让状态自由选择。特别地，本文展示了（i）三种方法的计算时间和精度是相同的，自由测量方法稍微快点；（ii）自由测量方法中协方差的估计明显不同，但和其他方法仅仅相关。本文研究已经在仿真和现实数据集上得到验证，并且有助于设计基于优化的视觉惯性状态估计。

主要贡献

（1）首次分析基于优化的视觉惯性里程计估计测量自由度的不同方法。

（2）进一步展示了通过应用协方差信息，自由测量协方差和其他方法相关。

算法流程

1. 视觉惯性状态估计

     主要由相机和IMU两部分组成：

      其中优化变量如下：

    2.三种自由度估计

     测量固定方法包括固定第一帧的平移和偏航角yaw

     测量先验方法在原有基础上增加：

    自由测量方法是在优化过程中让状态自由估计。

图 1 三种方法自由度比较

主要结果

图2 误差结果

    图 3 RMSE结果

图 4 时间结果

Abstract 

It is well known that visual-inertial state estimation is possible up to a four degrees-of-freedom (DoF) transformation (rotation around gravity and translation), and the extra DoFs(“gauge freedom”) have to be handled properly. While different approaches for handling the gauge freedom have been used in practice, no previous study has been carried out to systematically analyze their differences. In this paper, we present the first comparative analysis of different methods for handling the gauge freedom in optimization-based visual-inertial state estimation. We experimentally compare three commonly used approaches: fixing the unobservable states to some given values, setting a prior on such states, or letting the states evolve freely during optimization. Specifically, we show that (i) the accuracy and computational time of the three methods are similar, with the free gauge approach being slightly faster; (ii) the covariance estimation from the free gauge approach appears dramatically different, but is actually tightly related to the other approaches. Our findings are validated both in simulation and on real-world datasets and can be useful for designing optimization-based visual-inertial state estimation algorithms。 

如果你对本文感兴趣，想要下载完整文章进行阅读，可以关注【泡泡机器人SLAM】公众号。

点击阅读原文，即可获取本文下载链接。

欢迎来到泡泡论坛，这里有大牛为你解答关于SLAM的任何疑惑。

有想问的问题，或者想刷帖回答问题，泡泡论坛欢迎你！

泡泡网站：www.paopaorobot.org

泡泡论坛：http://paopaorobot.org/bbs/

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com