摘要：

利用線特征來提高基于點(diǎn)特征的視覺慣性SLAM（VINS）的定位精度越來越重要，因?yàn)樗鼈兲峁┝私Y(jié)構(gòu)化場景中規(guī)則性的額外約束，然而，實(shí)時(shí)性能一直沒有得到關(guān)注。本文介紹了PL-VINS，一種基于實(shí)時(shí)優(yōu)化的具有點(diǎn)和線的單目VINS方法，它是在最新的基于點(diǎn)的VINS Mono的基礎(chǔ)上發(fā)展起來的。觀察到目前的工作是使用LSD算法來提取直線，但是LSD是為場景的形狀結(jié)構(gòu)表示而設(shè)計(jì)的，而不是針對特定的姿態(tài)估計(jì)問題，由于其昂貴的成本成為實(shí)時(shí)性能的瓶頸。本文通過對隱參數(shù)調(diào)整和長度抑制策略的研究，提出了一種改進(jìn)的LSD算法。改進(jìn)后的LSD的運(yùn)行速度至少是LSD的三倍。此外，通過用pucker坐標(biāo)表示線地標(biāo)，線重投影殘差被建模為中點(diǎn)到線的距離，然后通過迭代更新pucker坐標(biāo)的最小四參數(shù)正交表示來最小化。在公共euro-benchmark數(shù)據(jù)集上的實(shí)驗(yàn)表明，在相同工作頻率下，在低功耗CPU@1.1ghz下，該方法的定位誤差比VINS-Mono算法低12-16%。

開源代碼：https://github.com/cnqiangfu/PL-VINS。

相關(guān)工作與主要貢獻(xiàn)

本文提出了PL-VINS，其特點(diǎn)包括：

（1）據(jù)

總結(jié)

以上是生活随笔為你收集整理的PL-VINS:实时基于点线的单目惯导SLAM系统的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。