A New Tightly-Coupled Dual-VIO for a Mobile Manipulator With Dynamic Locomotion

本文介绍了一种新的双目惯性视觉里程计（双-VIO）策略，用于在动态运动下操作移动机器人，即涉及底盘平台和机械臂的协调运动。我们的方法是由于在杂乱环境中移动机器人进行动态运动时由于耦合激励而导致不准确估计而引起的挑战而产生的。该技术维护两个独立的单目VIO模块，一个位于移动底座，另一个位于末端执行器（EE），它们在因子图的低级别上紧密耦合。所提出的方法通过臂运动学将每个单目VIO相对于彼此视为位置锚点。这些锚点在VIO姿态优化期间提供软几何约束。这使得我们能够在高度动态的运动中，当一个估计器不稳定时，稳定两个估计器。我们的方法的性能已通过对移动机器人的广泛实验测试进行了演示，与同时运行的双VINS-Mono进行了比较。我们预见到我们的方法还可以为主动SLAM（ASLAM）提供一个新的多-VIO融合和系统冗余的视角。

该论文旨在解决移动机器人在动态环境下运动时由于耦合激励而导致估计不准确的问题。

该论文提出了一种新的双单目视觉惯性里程计（dual-VIO）策略，通过在机器人底座和末端执行器（EE）上维护两个独立的单目VIO模块并在因子图的低级别紧密耦合，通过机械臂运动学将每个单目VIO相对于另一个单目VIO视为位置锚点，并在VIO姿态优化期间提供软几何约束，从而实现了两个估计器的稳定。

该方法通过大量实验测试表明了其性能，与同时运行的双VINS-Mono进行了比较。该方法为主动SLAM（ASLAM）提供了基础，具有多个VIO融合和系统冗余的新视角。

最近的相关研究包括：“Active Stereo SLAM with Probabilistic Vertical Direction Estimation”和“Efficient and Robust Visual-Inertial Odometry Using Dual Quaternion-based Nonlinear Optimization”。