松耦合(结果级融合):两个独立的运动估计过程中分别处理视觉和惯性测量的信息,最终将他们的输出(位置和姿态)融合作为结果
紧耦合(特征级融合):直接联合优化原始的相机(如跟踪的2D特征)和IMU测量(角速度和线加速度的预积分 )作为结果。
紧耦合的优点 | 紧耦合缺点 |
- 紧耦合精度更高
(1)联合优化增加系统约束,保证高动态复杂序列中视觉跟踪求解的稳定性 (2)紧耦合可以使用两帧测量数据中的IMU积分预测下一帧的特征点位置,加快追踪。紧耦合可以用利用视觉测量矫正惯性测量误差 | 对于IMU的预积分不准确的话,会给整个估计引入额外的误差 |
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)