（每日一读2019.10.25）一种基于通用优化方法的多传感器局部里程计估计框架（VINS-Fusion）

摘要

为了提高机器人的鲁棒性和自主性，越来越多的传感器被安装在机器人上。我们已经看到了不同平台上安装的各种传感器套件，例如地面车辆上的立体摄像机、手机上带有IMU（惯性测量单元）的单目摄像机以及空中机器人上带有IMU的立体摄像机。虽然过去已经提出了许多状态估计算法，但它们通常应用于单个传感器或特定的传感器套件。它们中很少有能用于多传感器的情况。本文提出了一种通用的基于优化的多传感器里程估计框架。在我们的框架中，每个传感器都被视为一个通用因素。将共享公共状态变量的因子相加构建优化问题。我们进一步演示了视觉和惯性传感器的通用性，它们构成了三个传感器套件（立体摄像机、带IMU的单目摄像机和带IMU的立体摄像机）。我们在公共数据集上验证了系统的性能，并且通过多个传感器的真实实验。将结果与其他最新算法进行了比较。我们的系统是一个通用的框架，可以很容易地融合各种传感器在一个位姿图中优化。我们的算法是开源的。

I 综述

实时六自由度（degrees of freedom）状态估计是机器人技术的一项基础技术。精确的状态估计在机器人探索、自主驾驶、虚拟现实和增强现实等智能应用中发挥着重要作用。我们在这些应用中最常用的传感器是摄像头。近几十年来，人们提出了大量基于视觉的位姿估计算法，如[1]-[5]。除了相机，IMU是另一种流行的状态估计方法。imu可以在较高的频率下测量加速度和角速度，这是低延迟姿态反馈在实时应用中的必要条件。因此，将视觉和IMU融合在一起的研究工作很多，如[6]-[12]。另一种常用的状态估计传感器是激光雷达。