VINS on Wheels

摘要

在本文中，我们提出了一个视觉辅助惯性导航系统（VINS），用于定位轮式机器人。
特别是，我们证明当VINS部署在地面车辆上（该地面车辆被限制为沿着直线或圆弧移动）时，具有额外的不可观察方向（unobservable directions），例如尺度。为了解决这个限制，我们扩展VINS来包含低频的轮速计数据，然后，尺度变得可观察了。此外，为了提高定位精度，我们introduce the mainfold-(m) VINS，它利用车辆在近似平面上移动的事实。在我们的实验中，我们首先展示了由于特殊运动导致的VINS性能下降，然后证明通过利用额外的信息源，我们的系统实现了更高的定位精度，同时在商业级移动设备（commercial-grade mobile device） 上实时运行。

Ⅰ. Introduction

总结一下，这项工作的主要新颖贡献是：

1. 我们通过特殊的限制性运动（special, restrictive motions） 分析确定VINS的不可观察的自由度。
2. 我们扩展VINS来处理低频的轮速计数据，从而使尺度始终可观察。
3. 我们引入了mVINS，其结合了关于车辆运动的约束（在这种情况下，近似平面）以提高定位精度。
4. 通过实验，我们验证了理论分析的主要结果，并证