摘要

对于自动导航的机器人来说，精确的状态估计是基本问题。为了实现局部精确和全局无漂移的位姿估计，通常将具有互补属性的多个传感器进行融合。在一个小的区域内，局部传感器，如相机、IMU、Lidar等，提供了精确的位姿，而在一个大场景环境下，全局传感器，如gps、magnetometer、barometer等，提供有噪声但全局无漂移的定位。在本文中，我们提出一种传感器融合框架，将局部状态和全局传感器融合，实现局部精确和全局无漂移的位姿估计。现有的VO/VIO方法产生的局部估计，在位姿图优化中与全局传感器融合。在图优化中，局部估计被对齐到全局坐标系中。同时，累计漂移被消除。

通用优化框架如下图1所示。

图1 通用优化框架图。全局估计器将局部估计与多种全局传感器融合，为了获得局部精确和全局无偏移的位姿估计。

一、概述

根据测量的参考框架，我们将传感器分为局部和全局类型。

1.局部传感器：摄像头、激光雷达LiDAR、IMU（加速度计和陀螺仪）等。这类传感器不是全局参考的，因此通常需要一个参考框架。一般来说，机器人的第一个姿态被设置为原点，以便启动传感器，机器人的姿态从起点开始逐步演变。因此，累积的漂移会随着与起点的距离增加而增长。

2.全局传感器：全球定位系统GPS、磁力计、气压计等。这类传感器是全局参考的。它总是在一个固定的全局坐标系下工作，例如地球坐标系。参考坐标系的原点是固定的，并且事先已知。它们的