以下内容来自小六的机器人SLAM学习圈知识星球每日更新内容
点击领取学习资料 → 机器人SLAM学习资料大礼包
#论文#开源代码# Quantifying VIO Uncertainty
论文地址：https://arxiv.org/pdf/2303.16386.pdf
开源代码：https://github.com/ucla-vision/xivo
我们计算了基于扩展卡尔曼滤波器的单目视觉-惯性里程计系统XIVO的不确定性，除了IMU中的高斯噪声和漂移之外，特征轨道中还存在高斯噪声、漂移和归因误差。不确定性计算使用蒙特卡罗模拟在一个点云中间的一个轨迹，绕过典型的图像处理和特征跟踪步骤。我们发现归因错误对表现的不利影响最大。然而，即使只有少量的高斯噪声和/或漂移，当噪声和/或漂移人为地高时，XIVO的性能与平均性能相似的概率也大于1 / 100。
XIVO 是一个用于视觉惯性里程计/建图的开源代码。专为教学目的而设计，并结合了里程计、局部建图和全局建图。
XIVO 在存储数据（此处来自 RealSense D435i 传感器）或实时流上以 140FPS 的速度运行，延迟约为 1-7 毫秒，具体取决于硬件。它以来自标定相机的输入视频帧和来自 IMU 的惯性测量作为输入，并输出具有属性特征和相机 6 DOF 姿态的稀疏点云。它执行相机和 IMU 之间的相对位姿的自动校准以及时间戳对齐。
以上内容来自小六的机器人SLAM学习圈知识星球每日更新内容
,
