[Paper Reading] VINS-Multi: A Robust Asynchronous Multi-camera-IMU State Estimator
VINS-Multi: A Robust Asynchronous Multi-camera-IMU State Estimator [WXS24] Arxiv 2024
Author: Luqi Wang, Yang Xu and Shaojie Shen
针对的问题：
- 单相机鲁棒性不够（某些场景下稳定的特征点过少）
- 多相机同步，带来设备昂贵的问题，错误的触发信号也会降低系统的鲁棒性
- 仅使用多相机，利用 B 样条来插值以对运动轨迹进行建模，会丢失自由度，引入IMU
提出的方法：
-
使用多个相机，获取更多的环境信息
-
总最大特征点数目恒定，动态分配各个相机的最大特征点数目，使得最后所有相机的特征点跟踪率一致，也就是特征点少的相机就不应该跟踪太多点，特征点多的相机就多跟踪些点
- 该文的边缘化策略，能够应对不均匀的来自多个相机的帧，以及某些相机失效的场景
- 边缘化的是最旧的关键帧，无论是哪个相机的；
- 但扔掉的则是新采集的帧所属相机对应的上一帧（疑惑：不这样做就不能应对上述的场景了吗？）
- 把
后端需要特征点多的关键帧和后端需要非故障的稳定帧率的关键帧等价转换为优先级问题，然后通过选择优先级高的准则来实现前面的两种需求
达到的效果：
- 部分相机故障和恢复过程下，状态估计保持可接受的误差
- 对特征点稀少的墙面检测场景下，多相机比单一相机的漂移更小
- 该框架适用于不同类型的相机
- 实际应用场景之一：无人机通风管检测