VINS-Mono学习笔记(六) 一、回环检测数据流 1.1 回环检测模块 1.2 回环检测中两种坐标的概念 VIO位姿:滑窗优化输出的位姿 最终位姿:经过回环优化调整后的位姿 回环检测结果不会之间作用于VIO前端 1.3 代码 注册publisherros::init(argc,argv,"pose_graph");ros::NodeHandlen("~"… ...
在vins-mono的新版本中,新增加了relocalize_r、relocalize_t,其作用是,在大回环起作用的间隙,用relocalize_r、relocalize_t来对位姿进行及时的修正,以更好地保证输出位姿的准确性,以及关键帧输入到关键帧数据库里时的位姿的准确性。因为以前是要等回环帧的对应帧滑出窗口,大回环优化后,才对这两个位姿进行校正...
在本文中,我们提出了VINS-Mono:一个鲁棒且多功能的单目视觉-惯性状态估计器。本文方法从估计器初始化的鲁棒过程开始。一种紧耦合、基于非线性优化的方法被用于通过融合预积分IMU测量和特征观测来获得高度精确的视觉-惯性里程计。回环检测模块与我们紧耦合的方式相结合,能够以最小的计算量实现重定位。我们还执行4自由...
重定位过程从回环检测模块开始,该模块识别已经访问过的位置。接着,建立回环候选与当前帧之间的特征级连接关系。这些特征对应被紧集成到单目VIO模块中,以最小计算代价实现无漂移状态估计。对多个特征的多次观测被直接用于重定位,从而实现更高的精度和更好的状态估计平滑性。重定位过程的图示如图9(a)所示。 A.回环...
VINS-mono 论文解读(IMU预积分+Marg边缘化) 前面,我们已经对接下来的VIO系列主要内容有所介绍(感兴趣的可以关注:视觉与惯性传感器如何融合?),本文是VIO系列的第一节内容:VINS-mono论文解读(IMU预积分+Marg边缘化)。 论文《VINS-Mono: A Robust and Versatile ...
此外，VINS-Mono系统支持位姿图复用，能够保存、加载和融合多个局部位姿图，以实现地图的复用。与最先进VIO算法OKVIS相比，VINS-Mono专门针对单目相机设计，提出了一种初始化过程、关键帧选择标准，并处理大视角相机以获得更好的跟踪性能。系统提供完整解决方案，包括回环检测和位姿图复用模块。文中详细介绍了...
vins-mono(4)重定位以及全局优化 vins的重定位模块主要包含回环检测,回环候选帧之间的特征匹配,紧耦合重定位三个部分. a.回环检测: 采用BRIEF描述子的DBOW2词袋进行闭环检测,对新来的关键帧重新检测500个角点进行闭环检测同时对所有角点进行BRIEF描述,然后计算当前帧与词袋的相似度,与关键帧数据库中所有帧进行对比,...
vins的重定位模块主要包含回环检测,回环候选帧之间的特征匹配,紧耦合重定位三个部分。 上图展示了重定位步骤。 1中VIO启动时刻只进行位姿估计(蓝色部分),过去状态一直被记录(绿色部分)。 2中如果最新帧中回环被检测到,呈现红色虚线连接,表示启动重定位3。
4.回环检测与重定位:利用已经构建好的地图和当前状态,通过比对当前帧与地图中的特征,检测是否出现回环情况(即当前帧与之前构建的地图中的某帧相似度非常高),并进行重定位。 5.四自由度位姿图优化:在全局尺度上,使用一个四自由度位姿图进行优化,进一步优化相机的姿态和位置。 Vins-Mono算法通过以上步骤实现了高精度...
IMU频率状态估计通过IMU前向传播实现，利用最新的IMU测量直接传递VIO估计值，实现以IMU频率输出的性能，用作回环状态反馈。为消除累积漂移，提出紧耦合重定位模块，无缝集成到单目VIO中。重定位过程从回环检测开始，识别访问过的地点。建立回环候选与当前帧之间的特征级连接关系，最小化计算代价实现无漂移状态...