SchurVINS: Schur Complement-Based Lightweight Visual Inertial Navigation System

准确性和计算效率是视觉惯性导航系统（VINS）最重要的指标。现有的VINS算法要么具有高精度，要么具有低计算复杂度，很难在资源受限的设备上提供高精度的定位。为此，我们提出了一种新颖的基于滤波器的VINS框架，名为SchurVINS，它可以通过建立完整的残差模型保证高精度，并通过Schur补保证低计算复杂度。技术上，我们首先制定了完整的残差模型，其中明确建模了梯度、海森矩阵和观测协方差。然后，采用Schur补将完整模型分解为自运动残差模型和地标残差模型。最后，在这两个模型中实现了高效的扩展卡尔曼滤波器（EKF）更新。在EuRoC和TUM-VI数据集上的实验表明，我们的方法在精度和计算复杂度方面明显优于现有技术（SOTA）方法。我们将开源我们的实验代码以造福社区。

提高Visual Inertial Navigation System (VINS)的精度和计算效率

提出一种名为SchurVINS的基于滤波器的VINS框架，通过建立完整的残差模型和使用Schur补来保证高精度和低计算复杂度。

实验结果表明，SchurVINS在EuRoC和TUM-VI数据集上的表现优于当前最先进的方法。研究者将公开实验代码。

近期的相关研究包括VINS-Mono和OKVIS等。