《表1 融合方法对比：视觉与惯性传感器融合的SLAM技术综述》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《视觉与惯性传感器融合的SLAM技术综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

视觉惯性里程计使用相机与IMU采集的数据进行融合以估算机器人状态。VIO系统将来自视觉传感器和IMU的数据融合处理，获得对视觉传感器运动的更好测量。机器人高速运动时，相机帧之间可能无法进行特征匹配，IMU可以提供信息，使系统仍然保持较准确的位姿估计。同时，视觉图像信息可以弥补机器人低速运动时IMU存在的漂移问题[56]。在VIO和VI-SLAM系统中，视觉图像和IMU采集数据主要使用基于滤波方法或非线性优化方法进行数据融合。根据传感器融合测量方法不同，VIO系统分为松耦合和紧密耦合的方法。松耦合方法分别对图像和IMU数据进行预处理，然后进行融合；紧密耦合方法则直接融合相机和IMU的原始测量值找到最佳估计。表1是视觉惯性传感器数据融合方法的比较情况。与松耦合方法相比，紧密耦合方法更准确，更可靠[57]。