EKFベースの視覚慣性オドメトリの精度を向上させる

本論文では、EKFベースの視覚慣性オドメトリ（VIO）の厳密な分析を行い、その性能向上のための方法を提案します。具体的には、EKFベースのVIOの特性を検討し、フィルター内でヤコビアンを計算する標準的な方法が必然的に不整合と精度の損失を引き起こすことを示します。この結果は、EKFの線形化されたシステムモデルの可観測性分析に基づいて導出され、ヨーが誤って可観測であるように見えることを証明します。この問題に対処するために、我々はマルチステート制約カルマンフィルタ（MSCKF）アルゴリズムの修正を提案し、追加の計算コストをかけずに正しい可観測性特性を確保します。広範なシミュレーションテストと実世界の実験により、修正されたMSCKFアルゴリズムが他の手法と比較して一貫性と精度の両面で優れていることが示されます。