Key points are not available for this paper at this time.
시각 및 관성 측정의 결합은 모바일 로봇 공학에서 인기를 얻고 있으며, 두 감지 방식이 시각-관성 오도메트리 또는 동시에 위치 추정 및 맵핑(SLAM)을 위한 이상적인 선택을 만드는 보완적 특성을 제공합니다. 역사적으로 이 문제는 필터링으로 해결되었으나, 시각 추정의 발전은 비선형 최적화가 더 뛰어난 정확성을 제공하며, 기본 문제의 희소성 덕분에 복잡성을 유지할 수 있음을 제안합니다. 이러한 결과에서 영감을 받아, 우리는 랜드마크의 재투영 오차와 관성 항을 결합한 엄격한 확률적 비용 함수를 세웁니다. 문제는 계산 가능성을 유지하며, 주변화(marginalization)를 통해 키프레임의 제한된 윈도우에 최적화를 한정함으로써 실시간 작동을 보장합니다. 키프레임은 시간적으로 임의의 간격으로 떨어져 있을 수 있으나, 선형화된 관성 항으로 여전히 관련이 있습니다. 우리는 가속도계와 자이로스코프 측정을 이미지와 정확하게 동기화하는 맞춤형 스테레오 시각-관성 하드웨어로 기록된 보완 데이터셋에 대한 평가 결과를 제시합니다. 온라인 외부 추정이 포함된 스테레오 및 단안 버전의 알고리즘을 실제값과 비교하여 성능을 보여줍니다. 더욱이, 우리는 최첨단 확률적 복제 슬라이딩 윈도우 필터의 구현과 성능을 비교합니다. 이 경쟁적인 참고 구현은 긴밀하게 연결된 필터링 기반 시각-관성 오도메트리를 수행합니다. 우리의 접근법은 더 많은 계산을 요구하지만, 정확성 측면에서 우수한 성능을 보여줍니다.
Leutenegger 외(모,)는 이 문제를 연구했습니다.