VINS-Mono: 一种稳健且灵活的单目视觉惯性状态估计器
研究问题
如何设计一个稳健且灵活的单目视觉惯性状态估计器，以解决机器人在动态环境中导航和定位的问题？
方法
VINS-Mono 使用单一相机与惯性测量单元（IMU）的数据进行联合处理。该方法结合了来自视觉输入的姿态信息和来自IMU的速度及角速度信息。通过构建滑动窗口内的状态估计器，并采用扩展卡尔曼滤波器（EKF）对非线性系统进行优化，以确保状态估计的准确性。
创新点
- 单目相机与惯性传感器结合：利用单一视觉源提供的丰富几何结构和IMU数据中的高速率运动信息。
- 滑动窗口内的非线性滤波器框架：允许在保持实时性能的同时进行精确的状态估计。
- 鲁棒性的提高：通过设计特定的观测模型和误差补偿策略，增强算法对环境变化及传感器噪声的适应能力。
结论
VINS-Mono 提供了一种有效的单目视觉惯性导航方案，能够应对复杂多变的应用场景。实验结果表明该方法在多种环境下具有优越性能与鲁棒性。
