Sebastian Klose (Ph.D. student из Technology University Munich) реализует интеграцию визуального SLAM-а с данными от IMU (Inertial measurement unit — инерционое измерительное устройство).
Использование RGBD-сенсора Microsoft Kinect и IMU, позволяет составить 3D-карту (комнаты и предметов в ней), без заметных «пробелов».
Визуальный SLAM даёт хороший результат для составления 3D-карт, но он не работает, если камера направлена на область с монотонным рисунком (стену) или если камера двигается слишком быстро.
Чтобы устранить «пробелы» при отслеживании ключевых точек (features — особенности), используются показания акселерометров и гироскопов IMU, которые можно использовать для определения движения камеры, пока алгоритм визуального SLAM-а не сможет обнаружить новые ключевые точки на изображении с камеры.
Для отслеживания положения камеры в пространстве(6D), Sebastian использует расширенный фильтр Калмана (EKF). EKF даёт оценку отклонений измерений IMU, основываясь на данных, визуального SLAM-а, а если камера движется слишком быстро, то он указывает, куда она перемещается.
Ссылки
Capturing Accurate Camera Poses
http://ros.org/wiki/imu_filter
http://en.wikipedia.org/wiki/Inertial_measurement_unit
По теме
Визуальная одометрия
SLAM