哈尔滨工业大学提出了第一个基于线特征的红外惯性里程计，性能超过了最先进的TIO！

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# Edge-based Monocular Thermal-Inertial Odometry in Visually Degraded Environments

论文地址：https://arxiv.org/abs/2210.10033

作者单位：哈尔滨工业大学

      由于视觉相机存在严重视觉退化，基于传统视觉惯性里程计的复杂照明环境中的状态估计是一项具有挑战性的任务。热红外相机能够全天工作，并且受照明变化的影响较小。然而，大多数现有的视觉数据关联算法是不兼容的，因为热红外数据包含大噪声和低对比度。受热辐射在物体边缘变化最显著这一现象的启发，该研究提出了ETIO，这是第一个基于边缘的单目热惯性里程计，用于视觉退化环境中的鲁棒定位。代替原始图像，我们利用边缘提取的二值化图像进行姿态估计，以克服热红外图像质量差的问题。

     然后，基于有限的边缘信息及其距离分布，提出了一种用于鲁棒数据关联的自适应特征跟踪策略ADT-KLT。最后，通过将IMU预积分与所有边缘特征观测的重投影误差相结合，姿态图优化在最近状态的滑动窗口上执行实时估计。我们评估了所提出的系统在公共数据集和真实世界实验上的性能，并将其与最先进的方法进行了比较。所提出的ETIO被验证为能够全天进行准确和稳健的定位。

本文贡献如下：

1、提出了一种基于边缘的热惯性里程计ETIO，用于在视觉退化的环境中提供实时状态估计。据我们所知，它是第一种基于边缘的TIO，其性能超过了最先进的TIO。

2、为了提高特征跟踪的鲁棒性，提出了一种基于有限边缘信息和距离场的自适应距离变换辅助KLT(ADT-KLT)跟踪器。

3、在公共数据集和真实世界中的实验表明，该方法在全天状态估计中达到了相当的精度和稳健性。

以上内容来自小六的机器人SLAM学习圈 每日更新内容