在误差图中,具有回环的VINS-Mono在长距离中优于其它单目系统。回环模型有效地减少了平移和偏航漂移。序列MH_05_difficult中的结果相同,如图14(b)和图16所示。 EuRoC数据集中所有序列的均方根误差(RMSE)如表格I所示,它通过绝对轨迹误差(ATE)进行评估。在大多数情况下,具有回环的VINS-Mono优于其它单目系统。在一些...
VINS-Mono包含以下功能: 1)能够从未知初始状态中初始化系统的鲁棒初始化过程; 2)紧耦合、基于优化的单目VIO,具有相机-IMU外参标定和IMU偏置纠正功能; 3)在线重定位和四自由度(DOF)全局位姿图优化; 4)能够保存、加载和融合多个局部位姿图的位姿图复用。 在这些功能中,鲁棒初始化、重定位和位姿图复用是我们的技术...
通过使用单目局部移动相机 ,高质量的稠密深度图被实时估计及融合到3D重建中。 光强图像的四叉树结构用于通过以多种分辨率估计深度图来减少计算负担。 提出了基于四叉树的像素选择和动态置信传播以加速建图过程:根据四叉树中的水平,利用计算资源选择和优化像素。 求解的深度估计被进一步插值并在时间上融合到全分辨率深度...
VIS以VINS-Mono为基线进行开发,优化方程中的残差项包括IMU预积分/有深度的视觉测量以及无深度的视觉测量(更加详细的介绍请参考VINS-Mono原文),接下来将介绍VIS初始化与特征深度关联模块。 1. 初始化 基于优化方法的 VIS 在初始化需要求解高度非线性的问题,因此效果常常不佳。初始化的质量取决于两个因素:传感器的初始...
通过使用单目局部移动相机 ,高质量的稠密深度图被实时估计及融合到3D重建中。 光强图像的四叉树结构用于通过以多种分辨率估计深度图来减少计算负担。 提出了基于四叉树的像素选择和动态置信传播以加速建图过程:根据四叉树中的水平,利用计算资源选择和优化像素。 求解的深度估计被进一步插值并在时间上融合到全分辨率...
VINS-Mono结合并改进了我们以前在单目视觉-惯性融合方面的工作。它建立在我们的紧耦合,基于优化的单目VIO的公式之上,并结合了[9]中引入的改进的初始化过程。第一次尝试移植到移动设备是在[10]。与我们以前的工作相比,VINS-Mono的进一步改进包括改进的含偏置校正的IMU预积分、紧耦合重定位、全局姿态图优化、广泛的实...
1)有序边:一个关键帧将建立到其前面多个关键帧的顺序边。顺序边的物理意义是这两个帧之间的相对变换,该变换是从纯里程计数据中获得的。考虑到新到来的关键帧i和其前一个关键帧j,相对变换仅包含位置p̂iij和偏航角ψ̂ij,在我们的4-DoF姿态图框架中。
1.VINS-Mono在滚转roll和俯仰pitch的估计中效果不如OKVIS,原因可能是这两个量是根据IMU的预积分得到的,预积分其实是为了节省计算量而采用的一种一阶近似手段,因此可能造成了误差存在。 2.关闭了回环检测和重定位功能的VINS-Mono表现大打折扣,和OKVIS一样在四自由度(三自由度平移和yaw角)上有漂移,但是打开回环检测...
后续工作:对前端数据进行轨迹的优化和回环,稠密建图 【自我备注:1、保存稀疏地图的MapPoint和KeyFrame成.bin格式 ;2、如果保存成pcd格式,那么关键帧与关键点之间的关系没有办法保存。。。即pcd保存的地图信息并不完整】 二、VINS MONO 实现原理:用紧耦合方法实现的,通过单目+IMU恢复出尺度 ...
VINS-Mono:一种功能强大且通用的单目视觉惯性状态估计器 摘要-由摄像机和低成本惯性测量单元(IMU)组成的单目视觉惯性系统(VINS)构成了六自由度(DOF)状态估计的最小传感器套件。 然而,缺乏直接距离测量在IMU处理,估计器初始化,外部校准和非线性优化方面提出了重大挑战。 在这项工作中,我们介绍了VINSMono:一种强大而...