TANGO-VIO: Triangulation-Aware Navigation with Guaranteed Feature-Observability for Visual-Inertial Odometry
作者: Ege C. Altunkaya, Abdülbaki Şanlan, Emre Koyuncu, İbrahim Özkol
分类: cs.RO, eess.SY
发布日期: 2026-08-03
💡 一句话要点
提出TANGO-VIO以解决视觉惯性里程计中的特征可观测性问题
🎯 匹配领域: 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 视觉惯性里程计 特征可观测性 三角测量 导航框架 控制障碍函数 无人机导航 机器人定位
📋 核心要点
- 现有视觉惯性里程计方法在相机仅旋转或视差不足时，特征的三角测量质量不稳定，影响状态估计准确性。
- TANGO-VIO通过控制障碍函数嵌入特征堆叠方向矩阵的对数行列式度量，主动维护特征可观测性。
- 实验结果表明，TANGO-VIO在低视差运动下显著改善了三角测量条件，且飞行实验与仿真结果一致。
📝 摘要（中文）
在视觉辅助导航和视觉惯性里程计中，三维特征位置的三角测量质量是状态估计准确性的基本前提。当相机仅进行纯旋转或观察到的方向向量提供的视差不足时，三角测量可能变得不稳定或甚至无法进行。尽管视觉惯性里程计已被广泛研究，但在导航过程中主动维护特征可观测性的问题尚未得到充分解决。为此，本研究提出了TANGO-VIO，一个三角测量感知的导航框架，通过将特征堆叠方向矩阵的对数行列式度量嵌入控制障碍函数中，确保了特征几何意义上的可观测性。该方法通过软件在环仿真和实际飞行实验进行评估，结果显示在低视差运动下三角测量条件得到了改善，同时飞行响应与相应的仿真行为紧密重现，验证了所提出安全过滤器的实际可实现性。
🔬 方法详解
问题定义：本论文旨在解决视觉惯性里程计中三角测量质量不稳定的问题，尤其是在相机仅进行旋转或视差不足的情况下，现有方法未能有效维护特征的可观测性。
核心思路：提出的TANGO-VIO框架通过将特征堆叠方向矩阵的对数行列式度量嵌入控制障碍函数，确保在导航过程中特征的几何可观测性，从而提高状态估计的准确性。
技术框架：TANGO-VIO的整体架构包括特征提取、特征堆叠方向矩阵构建、控制障碍函数设计和导航控制四个主要模块。通过这些模块的协同工作，确保了在不同运动状态下的特征可观测性。
关键创新：该研究的主要创新在于引入了对数行列式度量作为控制障碍函数的一部分，确保了特征可观测性的下限，从而在低视差条件下改善了三角测量的稳定性。与现有方法相比，TANGO-VIO在特征可观测性维护上具有更强的主动性和有效性。
关键设计：在设计中，采用了名义方向加权的最小偏差速度修正策略，以确保三角测量信息度量的下限。此外，控制障碍函数的构建考虑了特征的几何分布，确保了在各种运动状态下的有效性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，TANGO-VIO在低视差运动下的三角测量条件显著改善，相较于传统方法，飞行实验的响应与仿真结果高度一致，验证了所提出的安全过滤器的有效性和实用性。
🎯 应用场景
TANGO-VIO框架在无人机导航、机器人定位和增强现实等领域具有广泛的应用潜力。通过提高特征可观测性，该方法能够在复杂环境中实现更高精度的状态估计，推动自主导航技术的发展。未来，该技术可能在智能交通、无人驾驶等领域发挥重要作用。
📄 摘要（原文）
In vision-aided navigation and visual-inertial odometry, the quality of triangulated three-dimensional feature positions is a fundamental prerequisite for state estimation accuracy. Triangulation becomes ill-conditioned or even impossible when a camera undergoes pure rotation without translation, or when the observed bearing vectors provide insufficient parallax. Even though visual-inertial odometry has been extensively studied, the active maintenance of feature-observability during navigation has not been sufficiently addressed in the literature. To address this gap, this study presents TANGO-VIO, a triangulation-aware navigation framework that embeds a log-determinant metric of the feature-wise stacked-bearing matrix into a control barrier function. In this proposed method, the observability guarantee is established in the feature-geometric sense by enforcing a lower bound on the aggregate triangulation-information metric through a nominal-direction-weighted minimum-deviation velocity correction. The proposed architecture is evaluated through software-inthe- loop simulations and real flight experiments. The results show improved triangulation conditioning under low-parallax motion, while the flight response closely reproduces the corresponding simulation behavior and confirms the practical realizability of the proposed safety filter. Supplementary materials are available on the project webpage.