Improving Monocular Visual-Inertial Initialization with Structureless Visual-Inertial Bundle Adjustment

📄 arXiv: 2502.16598v1 📥 PDF

作者: Junlin Song, Antoine Richard, Miguel Olivares-Mendez

分类: cs.RO, cs.CV

发布日期: 2025-02-23

备注: Accepted by ICRA 2025

💡 一句话要点

提出一种无结构视觉惯性BA方法，提升单目VIO初始化精度与效率。

🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics) 支柱八：物理动画 (Physics-based Animation)

关键词: 单目VIO 视觉惯性里程计 初始化 Bundle Adjustment 无结构方法

📋 核心要点

  1. 传统VIO初始化依赖3D点云重建，计算量大，难以满足实时性需求。
  2. 提出无结构视觉惯性BA，无需重建3D结构即可优化初始状态，降低计算复杂度。
  3. 实验表明，该方法在保证实时性的前提下，显著提升了VIO初始化的精度。

📝 摘要（中文）

单目视觉惯性里程计(VIO)因其传感器尺寸小、功耗低，促进了各种实时运动跟踪应用的发展。为了成功启动VIO算法，初始化模块至关重要。大多数初始化方法依赖于3D视觉点云的重建，由于状态向量包含运动状态和3D特征点，这些方法计算成本很高。为了解决这个问题，一些研究人员最近提出了一种无结构的初始化方法，该方法可以在不恢复3D结构的情况下求解初始状态。然而，由于旋转和平移的解耦估计以及线性约束，这种方法可能会损害性能。为了提高其准确性，我们提出了一种新的无结构视觉惯性Bundle Adjustment来进一步优化之前的无结构解。在真实数据集上的大量实验表明，我们的方法显著提高了VIO初始化的准确性，同时保持了实时性能。

🔬 方法详解

问题定义：单目视觉惯性里程计（VIO）的初始化是成功运行的关键步骤。传统的初始化方法依赖于重建3D视觉点云，这导致了较高的计算成本，尤其是在状态向量同时包含运动状态和3D特征点时。现有的无结构初始化方法虽然避免了3D重建，但由于旋转和平移的解耦估计以及线性约束，其精度受到影响。因此，需要一种既能保持实时性，又能提高初始化精度的VIO初始化方法。

核心思路：本文的核心思路是在现有的无结构初始化方法的基础上，引入一种新的无结构视觉惯性Bundle Adjustment（BA）方法。该方法通过优化初始状态，进一步提高无结构初始化的精度。关键在于，它避免了显式的3D结构重建，从而降低了计算复杂度，同时通过BA优化来提升精度。

技术框架：该方法的技术框架主要包含两个阶段：首先，使用现有的无结构初始化方法获得一个初始解；然后，使用提出的无结构视觉惯性BA方法对该初始解进行优化。BA优化过程涉及构建一个优化问题，该问题基于视觉和惯性测量残差，并使用非线性优化算法（如Levenberg-Marquardt算法）进行求解。

关键创新：该方法最重要的技术创新点在于提出了无结构视觉惯性Bundle Adjustment。与传统的BA方法不同，该方法不需要显式的3D点云信息，而是直接基于视觉和惯性测量来优化相机位姿和IMU偏差等状态变量。这使得该方法能够在保持实时性的同时，提高初始化精度。

关键设计：关键设计包括：1) 视觉残差的构建，通常基于重投影误差；2) 惯性残差的构建，基于IMU预积分；3) 优化变量的选择，通常包括相机位姿、速度、IMU偏差等；4) 损失函数的选择，例如Huber损失函数，以提高鲁棒性；5) 优化算法的选择，例如Levenberg-Marquardt算法，以保证收敛速度和精度。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在真实数据集上的实验结果表明，该方法显著提高了VIO初始化的准确性，同时保持了实时性能。具体而言，与现有的无结构初始化方法相比，该方法在初始化精度方面取得了显著提升，同时计算时间与现有方法相当，验证了该方法在实际应用中的可行性。

🎯 应用场景

该研究成果可广泛应用于需要高精度、低功耗的单目视觉惯性里程计的场景，例如增强现实(AR)、虚拟现实(VR)、无人机导航、机器人定位与建图等。通过提高VIO初始化的精度和效率，可以提升相关应用的用户体验和系统性能，并为更复杂的SLAM系统提供更可靠的初始状态。

📄 摘要（原文）

Monocular visual inertial odometry (VIO) has facilitated a wide range of real-time motion tracking applications, thanks to the small size of the sensor suite and low power consumption. To successfully bootstrap VIO algorithms, the initialization module is extremely important. Most initialization methods rely on the reconstruction of 3D visual point clouds. These methods suffer from high computational cost as state vector contains both motion states and 3D feature points. To address this issue, some researchers recently proposed a structureless initialization method, which can solve the initial state without recovering 3D structure. However, this method potentially compromises performance due to the decoupled estimation of rotation and translation, as well as linear constraints. To improve its accuracy, we propose novel structureless visual-inertial bundle adjustment to further refine previous structureless solution. Extensive experiments on real-world datasets show our method significantly improves the VIO initialization accuracy, while maintaining real-time performance.