联合Huber核函数与可切换约束算法改进的视觉惯性SLAM方法

针对目前VINS-Fusion双目视觉及惯性同步定位与建图（SLAM）在后端优化时存在误匹配而导致系统定位精度低、鲁棒性差的问题，提出了一种联合Huber核函数与可切换约束算法改进的双目视觉及惯性SLAM方法。在VINS-Fusion双目视觉与惯性SLAM框架的基础上，利用Huber核函数的权值重新构建并求解状态优化中IMU残差的代价函数，降低优化中过大的误差项；同时使用可切换约束算法控制环路闭合因子实现动态协方差矩阵的缩放，剔除闭环检测的异常值实现准确的后端收敛。利用不同场景的公开数据集EuRoc中进行了对比验证实验，结果表明联合改进方法的和方差降低了2.416 m，系统精度和鲁棒性都有所提高；同时在实际场景中的实验也验证了改进方法的可行性。