视觉-惯性单目SLAM系统：地图重用与零漂移定位

本文档探讨的是"视觉-惯性单目SLAM与地图重用"（Visual-Inertial Monocular SLAM with Map Reuse）的主题，该研究聚焦于解决视觉惯性测姿（Visual-Inertial Odometry, VIO）技术中的关键挑战。VIO在实时计算传感器的增量运动方面表现出色，具有高精度和鲁棒性，但它们往往无法形成闭环，导致在重复访问同一位置时，累积的位姿漂移问题难以避免。 作者提出了一种新颖的紧密耦合的视觉-惯性同时定位与建图（Simultaneous Localization and Mapping, SLAM）系统，旨在解决这一局限。这个系统能够在已知区域实现零漂移定位，通过利用先前构建的地图来封闭循环，显著改善了长期定位的稳定性。由于讨论的是单目摄像头，文中特别关注了其众所周知的尺度不确定性，这是单目SLAM中的一个核心难题。 创新之处在于，论文提出了一种新的IMU初始化方法，能在几秒钟内精确地估计尺度因子、重力方向、速度以及陀螺仪和加速度计的偏置，这对于提高整个系统的性能至关重要。测试是在最近的一个微型无人机公共数据集中进行的，其中11个序列展示了该方法的优越性，实现了典型的尺度误差仅为1%，并且定位精度达到了厘米级。 对比现有的视觉-惯性 odometry 方法，特别是在涉及重复访问的序列中，该文强调了地图重用和无漂移积累的优势，证明了作者的方法在准确性和稳定性上具有明显提升。因此，这项工作不仅提升了单目视觉-惯性SLAM的性能，还为实际应用，如无人机导航或机器人自主定位提供了重要的改进方案。