一个相机和一个低成本的惯性测量单元(IMU)构成了单目视觉-惯性系统(VINS),这是用于度量六自由度(DOF)状态估计的最小传感器套件(尺寸、重量和功率方面)。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...
单目视觉惯性系统(VINS),是由一个相机和一个低成本惯性测量单元(IMU)组成的,这构成了用于测量六自由度状态估计的最小传感器套件。然而,由于缺乏直接距离测量数据,在IMU处理、估计器初始化、外部标定和非线性优化等方面仍然存在重大挑战。本文提出了一种命名为VINS-Mono的算法:该方法是一种具有鲁棒性和通用性的单目视...
VINS-Mono结果展示 上篇简单的写了一下VINS-Mono这个框架依赖的技术框架,这篇文章简单的展示一下它的成果,以及系统安装的几种方式。 在B站我找到了这个视频的演示工作 使用的是一个相机和一个廉价的IMU合成的一个导航系统 这个是可视化IMU的几个轴的曲线变化 这个也是,红色的线是IMU,绿色的线是相机 这个就是港科...
VINS-Mono的前端整个封装成了一个ROS节点其订阅的topic是: 相机或者数据集发来的图片 其发布topic是: 由pub_img发布的"feature",发布的是当前帧的特征点,特征点分装成了sensor_msgs::PointCloudPtr类型,里面包括了每个特征点的(1)归一化平面上的坐标(2)归一化平面上的速度(3)图像平面上的坐标,这三者中归一化...
我们执行数据集和真实世界实验以及两个应用来评估所提出的VINS-Mono系统。在第一个实验中,我们在公开数据集上将所提出的算法与其它最先进算法进行对比。我们执行数值分析来详细地展示本文系统的精度。接着,我们在室内环境中测试本文系统来评估其在重复场景中的性能。我们执行大规模实验来说明长期运行的实用性。此外,我们...
Vins-mono是香港科技大学开源的一个VIO算法,https://github.com/HKUST-Aerial-Robotics/VINS-Mono,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。 感谢他们开源,我从中学到了非常多的知识。源码总共有15000多行,我在通读完程序之后,结合参考文献,把程序背后的算法理论都推导了一遍,总结成了本文,与各位...
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...
本文探讨了VINS-Mono算法的流程,包括三个独立的ROS工程:feature_tracker、vins_estimator、pose_graph。运行时,使用euroc.launch文件启动这三个节点,并传递配置文件config/euroc_config.yaml。算法主要分为四个模块,各模块之间通过数据交互和可视化(使用RVIZ)协同工作。feature_tracker模块负责图像处理,...
本文深入解读VINS-Mono的核心部分——紧耦合非线性优化。紧耦合优化将视觉约束、IMU约束、闭环约束整合在一个大目标函数中,实现滑动窗口内所有帧的PVQ、bias等参数的非线性优化。紧耦合优化的过程包括残差函数构建、视觉约束、IMU约束及基于舒尔补的边缘化操作。构建残差函数时,需要优化的状态量包括滑动窗口...
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...