Visual-Inertial SLAM for Agricultural Robotics: Benchmarking the Benefits and Computational Costs of Loop Closing

同时定位与建图（SLAM）对于移动机器人至关重要，使其能够在动态、非结构化的户外环境中自主导航，而不依赖于外部定位系统。在农业应用中，由于光照或天气条件的变化，环境条件可能特别具有挑战性，因此视觉惯性SLAM已成为潜在解决方案。本文对几种开源的视觉惯性SLAM系统进行基准测试，包括ORB-SLAM3、VINS-Fusion、OpenVINS、Kimera和SVO Pro，以评估它们在农业环境中的表现。我们重点关注环路闭合对定位精度和计算需求的影响，提供了这些系统在实际环境中的有效性的全面分析，特别是它们在农业机器人嵌入式系统中的应用。我们的贡献还包括评估不同帧速率对定位精度和计算负载的影响。研究结果强调了环路闭合在提高定位精度和有效管理计算资源方面的重要性，为优化视觉惯性SLAM系统以在移动机器人的实际户外应用中提供有价值的见解。

评估开源视觉惯性SLAM系统在农业环境中的表现，重点关注回环检测对定位精度和计算需求的影响。

论文对ORB-SLAM3、VINS-Fusion、OpenVINS、Kimera和SVO Pro等视觉惯性SLAM系统进行了基准测试，并分析了回环检测对定位精度和计算需求的影响。同时，评估了不同帧率对定位精度和计算负担的影响。

实验结果表明，回环检测对于提高定位精度和有效管理计算资源至关重要。论文提供了优化视觉惯性SLAM系统在移动机器人农业应用中的实用性的有价值见解。同时，论文还介绍了使用的数据集和开源代码。

近期的相关研究包括：《A Survey of Visual SLAM for Autonomous Navigation in Agriculture: Applications and Challenges》、《Visual-Inertial SLAM: From Concept to Application》等。