HybVIO: Pushing the limits of real-time visual-inertial odometry

Otto Seiskari*, Pekka Rantalankila, Juho Kannala, Jerry Ylilammi, Esa Rahtu, Arno Solin

*Tämän työn vastaava kirjoittaja

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference article in proceedingsScientificvertaisarvioitu

15 Sitaatiot (Scopus)

Abstrakti

We present HybVIO, a novel hybrid approach for combining filtering-based visual-inertial odometry (VIO) with optimization-based SLAM. The core of our method is highly robust, independent VIO with improved IMU bias modeling, outlier rejection, stationarity detection, and feature track selection, which is adjustable to run on embedded hardware. Long-term consistency is achieved with a loosely-coupled SLAM module. In academic benchmarks, our solution yields excellent performance in all categories, especially in the real-time use case, where we outperform the current state-of-the-art. We also demonstrate the feasibility of VIO for vehicular tracking on consumer-grade hardware using a custom dataset, and show good performance in comparison to current commercial VISLAM alternatives.
AlkuperäiskieliEnglanti
OtsikkoProceedings - 2022 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)
KustantajaIEEE
Sivut287-296
Sivumäärä10
ISBN (elektroninen)978-1-6654-0915-5
ISBN (painettu)978-1-6654-0916-2
DOI - pysyväislinkit
TilaJulkaistu - 2022
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisussa
TapahtumaIEEE Winter Conference on Applications of Computer Vision - Waikoloa, Yhdysvallat
Kesto: 4 tammik. 20228 tammik. 2022
Konferenssinumero: 22

Julkaisusarja

NimiIEEE Winter Conference on Applications of Computer Vision
ISSN (elektroninen)2642-9381

Conference

ConferenceIEEE Winter Conference on Applications of Computer Vision
LyhennettäWACV
Maa/AlueYhdysvallat
KaupunkiWaikoloa
Ajanjakso04/01/202208/01/2022

Sormenjälki

Sukella tutkimusaiheisiin 'HybVIO: Pushing the limits of real-time visual-inertial odometry'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä