{
  "paper_id": "54f83ea7a0595a6406f04e45155fc83d",
  "paper_title": "An Efficient Closed-Form Solution to Full Visual-Inertial State Initialization",
  "paper_authors": [
    "Samuel Cerezo",
    "Seong Hun Lee",
    "Javier Civera"
  ],
  "publication_date": "",
  "publication_venue": "IEEE Robotics and Automation Letters",
  "abstract": "In this letter, we present a closed-form initialization method that recovers the full visual–inertial state without nonlinear optimization. Unlike previous approaches that rely on iterative solvers, our formulation yields analytical, easy-to-implement, and numerically stable solutions for reliable start-up. Our method builds on small-rotation and constant-velocity approximations, which keep the formulation compact while preserving the essential coupling between motion and inertial measurements. We further propose an observability-driven, two-stage initialization scheme that balances accuracy with initialization latency. Extensive experiments on the EuRoC dataset validate our assumptions: our method achieves 10–20% lower initialization error than optimization-based approaches, while using 4× shorter initialization windows and reducing computational cost by 5×.",
  "keywords": [
    "Visual-inertial SLAM",
    "state initialization",
    "sensor fusion"
  ],
  "paper_institutions": [],
  "output_language": "zh",
  "provider": "doubao",
  "model": "glm-5.3",
  "prompt_template": "simple",
  "extracted_at": "2026-09-17T09:27:08.903751Z",
  "template_tag": "simple",
  "summary": "### 摘要\n\n视觉-惯性SLAM已成为机器人与移动设备实时定位与建图的核心技术，但惯性状态（初始速度、重力方向、陀螺仪与加速度计偏置）每次运行都必须重新初始化，不良初值会使优化或滤波收敛到局部极小、引发尺度漂移甚至系统失败；现有方法要么如Martinelli的闭式解假设偏置已知，要么如Kaiser、Domínguez、Campos等的工作依赖需精心播种且计算昂贵的迭代非线性优化，要么如Wang等采用增加复杂度的误差状态卡尔曼滤波混合方案，均未提供完整状态的解析解。本文提出首个覆盖全部视觉-惯性状态（含两类偏置）的闭式初始化方法：基于小旋转近似（Rodrigues公式下 R≈I+r^∧，旋转矩阵乘积仅相差可忽略的二阶项，指数映射可分解）与恒速近似，先用可认证最优两视图求解器从首两帧独立估计相对旋转并解析求解陀螺仪偏置（核心公式 b^g ≈ -(1/LΔt)·Log((∏Exp(ω̃_kΔt))^T·R_ij)），再通过堆叠线性点约束形成的超定系统经SVD联合估计速度、重力与加速度计偏置，并提出两阶段可观测性判据（低成本的平移视差门控与基于Schur补边缘化深度后Hessian奇异值比稳定性的全可观测测试）以平衡精度与初始化延迟。实验选用EuRoC MAV基准数据集（20Hz的752×480同步立体图像、200Hz惯性数据与精确真值，涵盖易/中/难运动模式及纹理、光照、动态变化），因其是视觉-惯性初始化的常用评测基准，可验证真实条件下的精度、鲁棒性与运行时；实现采用C++与Ceres求解器，在Intel Core i7-11700K上单线程运行，每0.5秒执行一次穷举初始化共2248次独立测试，以RMSE为指标。结果表明：相比优化类方法初始化误差降低10–20%，初始化窗口缩短4倍（平均0.48±0.27秒对基线约2.16–2.50秒），计算成本降低5倍（总初始化0.96ms，比AS-MLE/VINS-Mono快约32倍、比DRT-tight快5.4倍）；平均速度RMSE 0.09 m/s、重力方向误差0.90°、陀螺仪偏置误差0.081 rad/s、加速度计偏置误差0.084 m/s²均优于DRT-tight、VINS-Mono与AS-MLE，验证了小旋转近似与可观测性驱动策略的有效性。未来可将其作为现代视觉-惯性流水线与资源受限平台的实用基础进行扩展；该方法适用于短时间窗、中等运动的典型硬件与使用场景，但在高动态条件（如累计旋转超过约1.5–2度）下近似可能失效，此时较慢的非线性优化方法更为合适。\n\n### 关键要点\n\n- 提出首个针对完整视觉-惯性状态（包括陀螺仪与加速度计偏置）的闭式初始化方法，无需非线性优化即可获得解析、易实现且数值稳定的解，适用于可靠启动。\n- 方法基于小旋转与恒速近似：小旋转下旋转矩阵乘积仅相差可忽略的二阶交叉项，使IMU预积分的指数映射可分解为陀螺仪读数与偏置项的乘积，从而解析求解偏置。\n- 推导出三种闭式陀螺仪偏置求解变体——交换近似、平均近似与算术平均近似；三者精度相近，算术平均近似最高效（19μs），比非线性优化（3687μs）快约194倍。\n- 相对旋转由可认证最优的两视图求解器（C2P）从特征对应独立估计并经RANSAC去除外点（平均外点率约0.15），不依赖完整SfM流水线，避免尺度模糊与深度相关的不稳定性。\n- 速度、重力与加速度计偏置通过堆叠N个跟踪特征的线性点约束形成超定系统Ξx=s，经SVD取最小特征值对应的特征向量求解；特征深度作为 nuisance 变量被隐式消除，不递归估计。\n- 提出两阶段可观测性测试：第一阶段以旋转-only投影的平均图像视差超过阈值作为低成本平移可观测门控；第二阶段对Schur补边缘化深度后的Hessian计算奇异值比变化率是否低于阈值判定全状态可观测，因全测试成本随窗口增长（约10帧时超过15倍）故仅作最终验证。\n- 实验在EuRoC数据集上每0.5秒执行一次穷举初始化（共2248次独立测试），该数据集提供20Hz立体图像、200Hz惯性数据与精确真值，涵盖易/中/难运动模式及纹理、光照、动态变化，适合评估真实条件下的初始化精度、鲁棒性与运行时。\n- 与基线比较：本方法平均速度RMSE为0.09 m/s、重力方向误差0.90°，优于DRT-tight（0.11 m/s、1.03°）、VINS-Mono（0.11 m/s、1.47°）与AS-MLE（0.17 m/s、2.66°），且陀螺仪偏置误差（0.081 rad/s）与加速度计偏置误差（0.084 m/s²）在所有序列上最低。\n- 运行时与延迟优势：总初始化时间0.96ms，比AS-MLE低31.8倍、比VINS-Mono低32.2倍、比DRT-tight低5.4倍；自适应初始化窗口平均0.48±0.27秒，比基线固定/长窗口（约2.16–2.50秒）缩短约4倍。\n- 近似鲁棒性分析显示：在累计旋转1.5–2度内三种近似保持高精度，EuRoC中仅15%的连续帧对相对旋转超过2度，支持小旋转近似在典型硬件与运动模式下的实际有效性。\n- 方法不强制固定重力幅值，而是在检测到足够可观测性后才估计平移相关状态，确保线性系统良态；两阶段可观测性驱动策略比固定25帧窗口策略误差更低且初始化更快。\n- 适用约束：方法针对短时间窗与中等运动设计，在高动态条件下近似可能失效，此时较慢的非线性优化方法更合适；作者将其定位为资源受限平台与现代视觉-惯性流水线的实用替代与扩展基础。"
}