哥伦比亚大学提出鲁棒的水下状态估计：可以在模型驱动和VIO方法间切换

2023-06-13 14:01 作者:计算机视觉life 0人读过 | 我要投稿

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# SM/VIO: Robust Underwater State Estimation Switching Between Model-based and Visual Inertial Odometry

论文地址：https://arxiv.org/abs/2304.01988

作者单位：哥伦比亚大学

本文解决了水下作业视觉惯性状态估计的鲁棒性问题。在充满挑战的环境中操作的水下机器人需要随时知道自己的位姿。所有基于视觉的定位方案都容易因能见度低、颜色丢失和缺乏特征而失败。所提出的方法利用机器人运动学模型和本体感觉传感器来维持视觉惯性里程计（VIO）故障期间的姿态估计。此外，来自成功的VIO的轨迹和来自模型驱动的里程计的轨迹被集成在一个连贯的集合中，该集合始终保持一致的姿态。健康监控跟踪VIO过程，确保在两个估计器之间及时切换。最后，在整个轨迹上实现闭环。由此产生的框架是在基于模型和视觉惯性里程计（SM/VIO）之间切换的鲁棒估计器。Aqua2运载工具多次部署的实验结果证明了我们在珊瑚礁和沉船事故中的方法的稳健性。