Square-Root Inverse Filter-based GNSS-Visual-Inertial Navigation

本文开发了一种新型的GNSS-视觉-惯性导航系统（GVINS），在SRI-SWF框架内以紧密耦合的方式融合了视觉、惯性和原始GNSS测量，因此被称为SRI-GVINS。特别地，我们首次深度融合了GNSS伪距、多普勒移频、单差伪距和双差载波相位测量，以及视觉惯性测量。继承了SRI-SWF的优点，所提出的SRI-GVINS在数值稳定性和计算效率方面都具有显著优势。此外，我们提出使用滤波器顺序初始化参考帧变换，直到收敛，而不是收集测量数据进行批处理优化。我们还进行了在线校准GNSS-IMU外参以减轻可能的外参降解。我们对自己收集的无人机数据集进行了广泛的评估，结果表明所提出的方法能够实时抑制VIO漂移，并显示了在线GNSS-IMU外参校准的有效性。公共数据集上的实验验证进一步表明，所提出的SRI-GVINS在精度和效率方面都优于现有的最先进方法。

本论文旨在解决GNSS在定位中的不稳定性和不准确性问题，提出了一种GNSS-Visual-Inertial Navigation System (GVINS)的方法，并进行了实验验证。

该论文提出了一种基于SRI-SWF框架的SRI-GVINS方法，将GNSS伪距、多普勒频移、单差伪距、双差载波相位测量与视觉惯性测量紧密融合，实现了对VIO漂移的实时抑制。同时，该方法采用滤波器逐步初始化参考帧变换，而非批量优化，提高了数值稳定性和计算效率。另外，还提出了在线校准GNSS-IMU外参的方法。

实验使用了自己收集的UAV数据集，并在公共数据集上进行了验证。结果表明，该方法在实时性和精度上均优于现有方法。

近期相关研究包括：1. "A Comparison of Visual-Inertial Odometry Algorithms for UAVs in Infrastructure Inspection"；2. "A Novel GNSS/INS/Vision Sensor Fusion Algorithm for Autonomous Vehicles Based on Multi-Filter Information Fusion"；3. "A Tight GNSS/INS Integration Algorithm for High-Dynamics Applications Based on a Particle Filter with Adaptive Resampling"。