通用动态特征融合VIO

动态场景无先验定位

无需语义先验或运动模型，利用动态特征的帧间信息，在动态场景中实现稳健定位。

罗楠 · Zhexuan, Hu · Yuan, Ding · Jiaxu, Li · Zhao, Hui · 刘刚 · 王泉

IEEE Transactions on Circuits and Systems for Video Technology 2024

技术优势

不依赖先验模型

不同于依赖语义先验或运动模型的方法，本工作通过IMU预测位姿和视觉线索的一致性约束识别动态特征，无需任何先验知识即可应用于任意场景。

动态特征不再被剔除

传统方法直接剔除动态特征导致信息损失。本工作设计动态变化操作DTO将动态特征在多帧间的影响分解为成对影响，并构造动态特征单元DFC保留合格信息，避免信息浪费。

动态特征融入紧耦合优化

通过构造动态特征残差并将运动补偿融入VIO紧耦合优化，充分利用动态特征信息，提升位姿精度和鲁棒性。

超越现有最优方法

在ADVIO和VIODE数据集上全面评估，结果表明本工作提出的DFF-VIO在多种动态环境下的位姿精度和鲁棒性优于现有先进方法。

应用场景

• 动态场景视觉定位：提供无先验的动态场景定位方案，替代依赖语义模型的现有方法。
• 机器人自主导航：融合动态特征提升位姿精度，增强机器人在人群等动态环境中的导航鲁棒性。
• 工业移动机器人：在无先验条件下应对工厂中移动物体干扰，实现稳定定位。
• 无人机视觉定位：利用无先验动态特征融合，提升无人机在动态场景中的定位能力。
• 人形机器人定位：提供不依赖运动学模型的定位方案，适应人形机器人多变运动模式。