跳到正文
arXiv · 机器人与计算机视觉· Wonju Lee, Dara Molloy, Abhilash Nand Kumar, Onias Castelo, Petar Trslic, David Adley, Conor Ferguson, Hesam Rabeti·· 2026-10-15精选AI 评分78

cuVSLAM 稀疏光束法平差中的自适应视觉 -IMU 加权方法

Smart Fusion for Adaptive Visual-IMU Weighting in cuVSLAM Sparse Bundle Adjustment

AI 导读

该研究针对 cuVSLAM 中视觉与 IMU 残差融合权重固定、无法运行时自适应的问题,引入标量因子 alpha 调整视觉信息矩阵权重。实验发现性能呈现两个经验区域:IMU-TRUST(alpha=1,2)和 VISION-TRUST(alpha=10,20),中间值 alpha=5 为过渡区。

推荐理由

提出轻量级视觉质量估计器,通过自适应调整 cuVSLAM 中视觉与 IMU 的权重分配,在 EuRoC MAV 和 TUM-VI Room 数据集上显著降低轨迹误差。

来源:arXiv · 机器人与计算机视觉 · arxiv.org