文章：Fast and Robust Initialization for Visual-Inertial SLAM
链接：https://arxiv.org/abs/1908.10653
作者：Carlos Campos，……，Juan D. Tard ´ os
机构：Universidad de Zaragoza，Huawei under grant HF2017040003
摘要的摘要：与原ORB-SLAM初始化相比：（1）使用KLT，（2）使用1~2段BA。结果：2s误差5%，10s误差<1%.

1. INTRODUCTION

基于Martinelli-Kaiser solution^[1]，做了4点改进：
（1）Generality：加入camera-IMU relative pose；
（2）Efficiency：固定变量m个Feature和n个KF；使用预积分；initial for BA；
（3）Observability test：检查H矩阵的奇异性；BA1；
（4）Consensus test：检查其他地图点的重投影误差；BA2。

2 INITIAL SOLUTION

2.1 Feature extraction and tracking

ORB extractor找到M个点。论文发现，FAST+ORB Matcher得到的匹配点不够稳定，故使用KLT。对于重复纹理和弱纹理，使用RANSAC，衡量F矩阵来筛点。Each time we detect that there are at least m tracked points with a track length of at least l pixels，然后就可以准备初始化了。track-length test。

2.2 Modified Martinelli-Kaiser solution

1.PNG

eq1.PNG

使用预积分：

eq2.PNG

得到：

eq3.PNG

忽略，分离线性和非线性部分：

eq4.PNG

3 IMPROVED SOLUTION

3.1 First BA and observability test

2.PNG

由初始值开始，做BA，对H矩阵SVD分解，分析最小值是否小于阈值。observability test。

3.2 Consensus test and second BA

使用M个点中其他未使用的点，评估重投影误差。consensus test。然后把内点加入，再做BA。

4 结果

详见paper。

A. Martinelli, “Closed-form solution of visual-inertial structure from motion,” International Journal of Computer Vision, vol. 106, no. 2, pp. 138–152, 2014. ↩

2019-08-30_ICRA2019_初始化