《表2 EUROC数据集下RMSE (单位:cm)》
LSD-SLAM结果来源于文[15],MSCKF、OKVIS结果来源于文[26].从表2可以看出,加入惯性信息算法后其准确度明显优于纯视觉算法,相比较而言,基于优化的方法(OKVIS、本文算法)优于基于滤波(MSCKF)的方法,这是因为基于滤波的方法无法在状态更新后重新进行优化,精度上限会受到线性化误差的影响,而基于优化的方法可以重复进行优化.在这几组数据集上,本文使用point+line+prior算法与仅使用点特征的算法(point,no line,no prior)比较,平均定位误差减小了60%;与使用点、线特征的算法(point+line,no prior)比较,平均定位误差减小了47%;与M-SCKF算法比较,平均定位误差减小了57%;与LSD-SLAM算法比较,平均定位误差减小了80%;与OKVIS算法比较,定位精度差别不明显,原因是两者对惯性信息使用方式不同,本文算法仅将惯性数据作为先验信息,而OKVIS算法将视觉信息与惯性信息进行紧耦合.前3组对比实验验证了增加线特征、惯性先验信息的必要性与优势.
图表编号 | XD0067262400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 王丹、黄鲁、李垚 |
绘制单位 | 中国科学技术大学电子科学与技术系、中国科学技术大学电子科学与技术系、中国科学技术大学电子科学与技术系 |
更多格式 | 高清、无水印(增值服务) |