在线校准的双目MSCKF VIO外参优化

本文主要探讨了"双目视觉惯性定位（Stereo Visual Inertial Odometry, VIO）中的在线基线校准"这一关键问题。传统的双目视觉设备对相机外参数（包括姿态和尺度）的精确校准有很高的需求，因为这些参数的不准确可能会严重影响VIO的估计性能。在VIO系统中，特别是利用Multi-State Constraint Kalman Filter (MSCKF) [1] 架构进行定位时，作者提出了一种创新的在线校准方法，将立体视觉的外参数作为状态变量的一部分来处理。 核心贡献在于，该方法将特征重投影误差关于立体视觉外参数的雅可比矩阵设计成更新雅可比的一个子块。这样，系统能够在同时估计IMU状态和相机位姿的同时，实时修正相机外参数。这种方法的应用使得相机外参数的噪声能够在系统内部自我校正，从而提高了定位的精度。 实验部分通过EuRoC数据集和实际户外数据集的对比，展示了新算法相对于原始S-MSCKF [2]，在位置估计方面具有显著的优势。这表明，该在线校准方法不仅提高了VIO系统的稳定性和准确性，还为实时、鲁棒的双目视觉导航应用提供了重要的理论支持。 本文的研究着重于解决VIO中的一个关键挑战，并通过引入动态的外参数估计策略，优化了系统性能，对于提高视觉惯性导航系统的实用性具有重要意义。这对于无人驾驶、机器人导航以及AR/VR等领域都具有潜在的实际价值。