1、当一个关键帧从后端节点发布到位姿图优化节点,这个关键帧可能仍然在滑动窗口中。 2、这种方式求解的相对位姿不够准确,所以有一个快速重定位功能,先当它不存在,这里最后介绍。 2、闭环优化 VINS-MONO建立关键帧数据库,关键帧取自滑动窗口的倒数第二帧,也就是说收到的关键帧,可能还在滑动窗口中优化,...
vins mono的4自由度位姿图优化运行在单独的线程中,当系统检测到回环时,开始优化关键帧位姿,由于vins系统IMU的使用,使得位姿估计只有4自由度不客观,分别是3自由度的平移和1自由度的yaw角,因此估计系统也只有在这4自由度上发生漂移。 下面进行代码分析 m_optimize_buf.lock();while(!optimize_buf.empty()){cur_in...
在隧道中没有全局位姿,我们只能依靠VINSMono和基于KF的INS来提供全局状态估计。我们的融合方法以1Hz的速度更新变换关系。松耦合的融合被禁用,以专注于评估扩展的VINS-Mono,而没有来自GPS/RTK或ORB-SLAM2的优化。 2.评估 (1)初始化表现: 对于每种方法,我们重复了五次初始化实验,并在图7中给出了统计结果。我们的...
1、重定位过程使单目VIO维持的当前滑动窗口与过去的位姿图对齐。 2、将所有回环帧的位姿作为常量,利用所有IMU测量值、局部视觉测量和从回环中提取特征对应值,共同优化滑动窗口。 和之前VIO优化模型不同的是,增加了回环项,从位姿图获得回环帧的姿态 被视为常数。...
Vins-mono是香港科技大学开源的一个VIO算法 是用紧耦合方法实现的,通过单目+IMU恢复出尺度,效果非常棒。 1.特征点跟踪 首先用cv::goodFeaturesToTrack在第一帧图像上面找最强的150个特征点,非极大值抑制半径为30。新的特征点都有自己的新的对应的id。然后在下一帧过来时,对这些特征点用光流法进行跟踪,在下一帧上...
在VINS系列的论文精读中，本文主要探讨了紧耦合单目视觉惯性里程计（VINS-Mono）中的状态估计、重定位以及全局位姿图优化与地图复用的过程。在VINS-Mono系统中，为了实现高精度且鲁棒的状态估计，采用了基于滑动窗口的紧耦合单目视觉惯性里程计方法。在估计器初始化后，滑动窗口内的状态向量由当前帧的IMU状态...
本文目标读者:对vins-mono有一定了解的SLAM算法工程师。由于程序里有非常多的实现细节,建议读者在读本文前,先读一遍vins-mono的程序。 1.特征点跟踪 首先用cv::goodFeaturesToTrack在第一帧图像上面找最强的150个特征点,非极大值抑制半径为30。新的特征点都有自己的新的对应的id。然后在下一帧过来时,对这些特征点...
与最先进的VIO算法OKVIS相比，VINSMono在单目相机应用方面表现出色。总结：VINSMono是一种功能强大的单目视觉惯性状态估计器，通过融合IMU和单目相机数据，实现了高精度六自由度状态估计。它适用于多种应用领域，具有鲁棒初始化、紧耦合单目VIO、回环检测和位姿图优化等关键技术，且系统开源，易于部署和扩展。
一个基于KF的INS在100Hz下运行,通过两个投影提供相对和绝对定位,如图1s和3所示。在隧道中没有全局位姿,我们只能依靠VINSMono和基于KF的INS来提供全局状态估计。我们的融合方法以1Hz的速度更新变换关系。松耦合的融合被禁用,以专注于评估扩展的VINS-Mono,而没有来自GPS/RTK或ORB-SLAM2的优化。
5. 全局位姿图优化 因为之前做的非线性优化本质只是在一个滑窗之内求解出了相机的位姿,而且在回环检测部分,利用固定位姿的回环帧只是纠正了滑窗内的相机位姿,并没有修正其他位姿(或者说没有将回环发现的误差分配到整个相机的轨迹上),缺少全局的一致性,所以要做一次全局的Pose Graph。全局的Pose Graph较之滑窗有一...