自适应旋转校准改善GPS-VIO融合方法
文章：Improving GPS-VIO Fusion with Adaptive Rotational Calibration
作者：Junlin Song, Pedro J. Sanchez-Cuevas, Antoine Richard, Raj Thilak Rajan and Miguel Olivares-Mendez
编辑：点云PCL
文章仅做学术分享，如有侵权联系删文。
文章未申请原创，侵权或转载联系微信cloudpoint9527。
摘要
准确的全局定位对于自主导航和规划至关重要，为此提出了基于GPS辅助的视觉惯性测程（GPS-VIO）融合算法。本文介绍了一种能够显著改善基于GPS和VIO框架之间旋转外参校准的新型GPS-VIO系统，这个外参数是可观测的，这一点通过非线性可观测性分析进行了证明，我们还在包括飞行无人机和行驶车辆在内的多种平台上对所提出的算法进行了广泛评估，实验结果支持可观测性分析，并显示相较于最先进的紧耦合算法，定位精度有所提高。
主要贡献
在本文中，我们提出了一种新颖的基于滤波器的GPS-VIO系统，特别关注于在GPS框架和VIO之间包含可靠且准确的旋转外参估计。拥有可靠的校准对于提高系统的准确性至关重要。这项工作的主要贡献总结如下：
- 提出了一种新颖的基于滤波器的估计器，用于融合GPS测量和视觉惯性数据，并同时在线估计GPS和VIO参考框架之间的旋转外参。
- 通过非线性可观测性分析证明了旋转外参是可观测的，并通过模拟结果支持这一结论。
- 在多个公共数据集上评估了所提算法的定位精度，包括小规模飞行数据集和大规模行驶数据集，并展示了提出的算法的卓越性能。
内容概述与实验
本文是基于Open-VINS开发了提出的算法，这是一种先进的视觉惯性里程计（VIO）框架。当GPS信息可用时，通过更新系统状态，包括GPS参考框架和VIO参考框架之间的旋转外参。首先设计了一个仿真环境来验证可观测性结论。然后在两个公共数据集上评估了提出的算法。一个是小规模的EuRoC数据集，在VIO研究社区得到广泛使用。通过向地面实况添加高斯噪声来模拟嘈杂的GPS测量。这个数据集的特点是无人机飞行。另一个是大规模的KAIST数据集，其中包含具有挑战性的城市场景的真实GPS测量。其特点是车辆行驶。每个选择的KAIST序列的路径长度和GPS噪声分别大于7km和6m。
图1：坐标系示意图
图2：顶部：随时间推移关于不同初始猜测的ψ收敛。底部：ψ的一个标准偏差
图3：(a) 随时间推移的ψ收敛，(b) 具有不同水平GPS噪声水平的对齐轨迹的水平视图。
图4：(a) 三个方向上的实际世界GPS位置协方差。(b) 顶部：随时间推移的(ψ − ψ0)收敛。底部：GPS和IMU之间时间偏移的校准结果。
总结
这篇论文提出了一种新颖的基于紧耦合滤波的GPS-VIO算法，该算法可以从GPS和VIO参考框架之间的旋转外参在线估计中获益。所提出的算法能够自适应地细化旋转校准，从而提高定位性能。对外参观测性的新颖研究表明，与线性可观性分析相比，非线性可观性分析对非线性系统更为全面和深刻。建议在模拟中验证从线性可观性分析中得出的不可观性属性。在未来，我们将研究是否可以通过直接使用GNSS原始观测来制定估计算法，从而获得更好的定位结果。
为分享的伙伴们点赞吧！
