李金春，张志呈，丁彬渊，曹雄，刘兴禹

（中国计量大学，浙江杭州，310018）

0 引言

港科技大学飞行机器人实验室（沈邵劫团队）在2018年开源了VINS-Mono算法。它使用一个单目相机+惯性测量单元实现了紧耦合的视觉和惯性联合状态估计。2019年该团队开源VINS-Fusion是VINS-Mono的扩展，它支持多种视觉惯性传感器类型，包括单目+IMU、双目+IMU、纯双目、双目+IMU+GPS四个模式。VINS-Fusion是一个完整的基于优化算法的SLAM系统，也是一个经典且适合学习的视觉惯性SLAM算法。

VINS-Mobile是在VINS-Mono基础上开发用于增强现实中定位功能并能在手机端运行的开源算法，并针对手机端算力不足进行了优化，并提出了一种轻量级的紧密耦合融合方法，将环路信息集成在滑动窗口单目VINS估计器中[4]。使用该方法可以提高VINS-Mobile的定位数据更新频率。

我们在项目中选择了双目+IMU这一模式进行研究。双目相机的距离估计是比较左右眼的图像获得的，并不依赖其他传感设备，所以它既可以应用在室内，亦可应用于室外[1]。相较于单目相机，双目相机可以做到更高的精度，同时避免尺度不确定性。另外与IMU模块结合不仅可以弥补纯视觉导航系统的缺陷，而且可以提高特征点的匹配速度并增强算法的鲁棒性[2]。

在项目中，由于设备运行的任务较多，加之控制成本，我们的设备存在性能不足情况，在了解到VINS-Mobile的轻量级优化方案后，我们尝试对VINS-Fusion进行改进，尽管相对位姿误差有所增加，但成功降低CPU使用率，我们主要做了以下工作：

在VINS-Fusion中实现了小滑窗PnP+IMU优化。

对改进后的VINS-Fusion使用EuRoc数据集进行测试。……