VINS_estimator是VINS_Fusion的节点,其不包含回环检测部分,该节点可以单独对相机进行位姿估计。 在阅读源码之前,可以先了解一下VINS特征追踪策略:VINS_Fusion 特征追踪策略 文件树目录 guoben@guoben-WRT-WX9:~/Project/VIO/Source/VINS_VR/vins_estimator$tree. ├── cmake │ └── FindEigen.cmake ├──...
VINS-FUSION是在VINS-Mono的基础上,添加了GPS等可以获取全局观测信息的传感器,使得VINS-FUSION可以利用全局信息消除累计误差,进而减小闭环依赖。如果你不关心GPS等全局传感器,只关心IMU、摄像头传感器的处理,那么VINS-FUSION代码和VINS-Mono几乎一样,本博客也只介绍VINS-FUSION的前端和后端处理。 我们先看一下VINS-FUSION...
VINS-Fusion(一):特征点的提取和跟踪 github.com/ShuyueLin/VI 一、相关原理解析 1、角点 将会介绍FAST角点,Harris角点以及Shi-Tomasi角点的相应原理(毕竟这是笔记,不仅仅会记录VINS涉及的,还会记录常见的知识点)。需要注意得是:在VINS中提取得是Shi-Tomasi角点。 关于角点的几种描述: a、某局部区域像素一阶导数...
前端主要处理传感器获取的数据,并将其转化为相对位姿或其他机器人可以理解的形式;后端则主要处理最优后验估计的问题,即位姿、地图等的最优估计。 机器人所拥有的传感器主要有:深度传感器(超声波、激光雷达、立体视觉等),视觉传感器(摄像头、信标),惯性传感器(陀螺仪、编码器、电子罗盘)以及绝对坐标(WUB,GPS)等。 ...
第九章后端优化(下 第八章后端优化(中) 七章后端优化(上) 第六章单目VI0初始化(下) 五章单目VI0初始化(上)学习资源代找 wwit1024 第四章IMU预积分(下) 第三章IMU预积分(上) 第二章视觉前端 第一章预备知识 第十四章VINS工程技巧及改进建议...
VINS-Fusion是香港科技大学于2019年开源的视觉-惯性SLAM系统,KITTI Visual Odometry 榜单中排名最靠前的开源双目 VO 方案,主要支持:单目+IMU、纯双目、双目+IMU、双目+IMU+GPS,是一个可以用于室外场景中无人车辆/机器人自主定位的优秀方案,以下是官方测试效果展示:...
8、彻底搞懂视觉-惯性SLAM:基于VINS-Fusion9、彻底剖析激光-视觉-IMU-GPS融合SLAM算法:理论推导、代码讲解和实战10、彻底剖析室内、室外激光SLAM关键算法原理、代码和实战(cartographer+LOAM+LIO-SAM)11、3D视觉专题直播,涉及三维点云、3D目标检测、结构光、三维重建、SLAM等。
VINS-Fusion是香港科技大学于2019年开源的视觉-惯性SLAM系统,KITTI Visual Odometry 榜单中排名最靠前的开源双目 VO 方案,主要支持:单目+IMU、纯双目、双目+IMU、双目+IMU+GPS,是一个可以用于室外场景中无人车辆/机器人自主定位的优秀方案,以下是官方测试效果展示:...
为此,3D视觉工坊推出了《视觉-惯性SLAM的入门与实践》课程,结合VINS-Fusion源码,系统地对视觉-惯性SLAM的基础理论知识进行梳理。整套课程由一线算法工程师教授,从基础理论到代码剖析,保姆级教学,助力学员一步步从小白成长为大牛。 课程大纲 讲师介绍 毕业于西北工业大学,国内某机器人创业公司技术总监,具有多年SLAM和机器...
(1) AddImuData用于接收处理上层应用传递的IMU数据。 (2) AddOdometerPose用于接收处理上层应用传递的里程计数据。 (3) AddHorizontalLaserFan用于接收处理上层应用传递的雷达数据。 其中包含重要的对象成员: (1) artographer::mapping_2d::LocalTrajectoryBuilder类的对象local_trajectory_builder_用...