Camera Motion Estimation from RGB-D-Inertial Scene Flow

本文介绍了一种新的摄像机运动估计公式，通过场景流将RGB-D图像和惯性数据结合起来。我们的目标是准确估计刚性三维环境中的摄像机运动，以及惯性测量单元（IMU）的状态。我们提出的方法可以灵活地作为多帧优化或较旧数据的边缘化，从而有效利用过去的测量。为了评估我们的方法的性能，我们使用ICL-NUIM数据集的合成数据和OpenLORIS-Scene数据集的真实数据序列进行了评估。我们的结果表明，与仅使用视觉数据相比，这两个传感器的融合增强了摄像机运动估计的准确性。

该论文旨在通过融合RGB-D图像和惯性数据来提高相机运动估计的精度，解决在刚性3D环境中相机运动估计的问题。

论文提出了一种通过场景流将RGB-D图像和惯性数据集成的新方法，可以灵活地作为多帧优化或边际化旧数据来使用过去的测量结果。

论文使用ICL-NUIM数据集的合成数据和OpenLORIS-Scene数据集的真实数据序列进行评估，结果表明与仅使用视觉数据相比，这两个传感器的融合可以提高相机运动估计的准确性。

最近的相关研究包括“Visual-Inertial Odometry with Map-Level Fusion and Switchable Constraints”和“Robust Visual-Inertial Odometry for Fast Autonomous Flight”等。