上海交大最新工作：PPP+VIO紧耦合SLAM系统P3-VINS

计算机视觉life

已于 2023-01-16 16:36:31 修改

阅读量464

点赞数

CC 4.0 BY-SA版权

文章标签： SLAM，计算机视觉

于 2023-01-16 10:34:17 首次发布

本文链接：https://blog.youkuaiyun.com/electech6/article/details/128701326

P3-VINS是一种紧耦合的PPP/INS/VisualSLAM系统，结合GNSS原始测量与视觉和惯性信息，使用双频无电离层模型优化状态估计，消除电离层影响并提高定位精度。实验证明，该系统在准确性和稳定性上优于GVINS和PPP。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

以下内容来自从零开始机器人SLAM知识星球每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

#论文# P3-VINS: Tightly-Coupled PPP/INS/Visual SLAM Based on Optimization Approach

论文地址：IROS2022论文集

作者单位：上海交通大学

精密单点定位(PPP)是全球导航卫星系统(GNSS)的前沿技术，无需基站辅助即可实现高精度定位。视觉惯性里程计(VIO)实现了比视觉SLAM更鲁棒的局部位姿估计。在PPP和VIO的基础上，提出了一种紧耦合的PPP/INS/VisualSLAM系统P3-VINS。它融合了GNSS原始测量(伪距、载波相位和多普勒)与视觉和惯性信息，以进行准确和稳健的状态估计。所有原始数据都是在因子图框架下建模和优化的。为了消除电离层影响和利用载波相位测量，P3-VINS使用双频观测的无电离层(IF)模型，并在估计状态中加入相位模糊。最后，在公共数据集和真实世界实验上对P3-VINS进行了评估。它在准确性和流畅性方面明显优于基准(GVINS和PPP)。这一结果表明，高精度载波相位在很大程度上有助于GNSS/INS/视觉SLAM系统降低噪声，提高精度。

本文贡献如下：
1、我们提出了一种基于优化的紧耦合方法P3-VINS，在因子图框架下融合VIO和PPP。
2、P3-VINS使用双频观测伪距和载波相位的无电离层(IF)模型，并在估计状态中加入相位模糊。然后搭建车载GNSS/IMU/相机系统对P3-VINS进行测试。
file