【SLAM】改进EKF-SLAM方案，设计了SEVIS方案进行精确定位，计算量低，适用更多低算力平台

论文地址：https://arxiv.org/abs/1903.08636 代码：…… 来源：特拉华大学 论文名称：An Efficient Schmidt-EKF for 3D Visual-Inertial SLAM 原文作者：Patrick Geneva

实现移动和可穿戴传感器系统厘米级精确定位具有重要的实际应用意义。本文提出了一种高效高精度的视觉惯性SLAM算法方案，称为SEVIS（Schmidt-EKF-VI-SLAM）。该方案通过IMU数据与视觉图像最佳融合，来提供低误差的3D运动追踪。特别地，调整了Schmidt-Kalman滤波公式，在状态向量中选择性地包含信息特征，同时在它们成熟后将它们作为干扰参数（或Schmidt状态）处理。建模的这种变化无需不断更新施密特状态（或它们的协方差），允许EKF正确地解释它们与活动状态的相互关系，降低了计算量。因此，我们在地图大小方面实现了线性计算复杂度，在地图大小方面获得线性计算复杂度，而不是标准SLAM系统中的二次型。为了充分利用地图信息来约束导航漂移，提倡有效的关键帧辅助的2D到2D特征匹配，减少了大量3D到2D的特征匹配，解决了2D视觉测量与3D地图特征匹配的特征关联问题，同时还保障了长期闭环和重定位的稳定性。本文提出的SEVIS在仿真和实验中都得到了广泛的验证。

下面是论文具体框架结构以及实验结果：

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。