VIPS-Odom: Visual-Inertial Odometry Tightly-coupled with Parking Slots for Autonomous Parking

精确定位对于自主停车任务非常重要，因为它为下游规划和控制模块提供服务，这显著影响系统的性能。对于停车场景，动态照明、稀疏纹理和全球定位系统（GPS）信号的不稳定性对于大多数传统定位方法都构成了挑战。为了解决这些困难，我们提出了一种新颖的语义视觉惯性里程计框架VIPS-Odom，用于地下自主停车，它采用紧密耦合的优化来融合来自多模态传感器的测量并解决里程计问题。我们的VIPS-Odom将来自合成鸟瞰图像（BEV）中检测到的停车位与前端的传统特征点相结合，并在后端通过惯性测量单元、轮速传感器和停车位的测量值引入联合约束进行紧密耦合优化。我们开发了一个多目标跟踪框架来稳健地跟踪停车位的状态。为了证明我们方法的优越性，我们配备了相关传感器的电动汽车，并基于ROS2系统构建了一个实验平台。广泛的实验表明，与其他基线方法相比，我们的方法在停车场景中具有更好的效果和优势。

解决问题：本文试图提出一种新的语义视觉惯性里程计框架，解决传统定位方法在停车场场景中的困难。

关键思路：本文提出的VIPS-Odom框架采用紧密耦合优化融合多模态传感器的测量，并解决里程计问题。前端将合成的鸟瞰图中检测到的停车位与传统的特征点融合，后端通过惯性测量单元、轮速传感器和停车位的测量结果引入联合约束，实现紧密耦合优化。

亮点：本文开发了多目标跟踪框架来跟踪停车位的状态，并在ROS2系统上构建了实验平台。实验结果表明，与其他基线相比，本文提出的方法在停车场场景中具有更好的效果和优势。

相关研究：最近的相关研究包括：1）“Visual-Inertial Localization in the Absence of Visual Texture”；2）“A Hybrid Visual-Inertial Odometry Framework for Autonomous Driving”；3）“A Robust Visual Inertial Odometry for Autonomous Driving in Urban Environments”。