VINS的VIO是基于紧耦合框架实现的,其本质就是一个基于滑动窗口的和图优化的VIO,整个紧耦合VIO的示意图如图1所示。 图1 整个包含的状态量有 其中 χ 为状态向量, xk 为第K帧的IMU状态量, xcb 为相机与IMU间的外参, λ 为特征的逆深度值。 整个VIO的优化问题可以表示为 minχ{‖rp−Hpχ‖2+∑...
1)VIO对比:我们使用EuRoC MAV视觉-惯性数据集来评估所提出的VINS-Mono。该数据集在机载小型空中飞行器(MAV)上采集,其包含双目图像(Aptina MT9V034全局快门、WVGA单色、20FPS)、同步的IMU测量(ADIS 16488、200Hz)和真值状态(VICON和Leica MS50)。我们仅使用来自左相机的图像。 在本实验中,我们比较VINS-Mono和OKVIS...
与在最先进的嵌入式计算机上可能导致超过50ms的完全紧耦合单目VIO不同,这种纯运动的视觉惯性BA只需大约5ms来计算。 0.4 重定位 尽管滑动窗和边缘化减小了计算复杂度,但是仍旧引进了系统的累计漂移误差。具体来说,就是全局三维位置(xyz)和围绕重力方向的旋转(yaw...
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...
在自动驾驶、无人机、增强现实、机器人导航等领域的技术栈中,定位和建图(SLAM)在其中发挥着不可或缺的作用,目前SLAM算法越来越倾向于多传感器融合方案,而其中理论最为复杂的当属视觉惯性里程计(Visual-Inertial Odometry,简称VIO),因此,对VIO的掌握能力将很大程度决定了一个SLAM从业者的上限。
VINS-Mono是香港科技大学开源的一个VIO,我简单的测试了,发现效果不错。做个简单的笔记,详细的内容等我毕设搞完再弄。 代码主要分为前端(feature tracker),后端(sliding window, loop closure),还加了初始化(visual-imu aligment) Feature tracker 这部分代码在feature_tracker包下面,主要是接收图像topic,使用KLT光流...
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... V
嘿,你要是对视觉惯性里程计(VIO)有点兴趣,那vins - mono你可不能错过啊。我第一次接触vins - mono的时候,就像走进了一个神秘又超级酷的科技迷宫。 vins - mono是啥呢?简单来说,它就像是一个超级智能的导航小助手,不过这个小助手是专门给机器人或者无人机之类的设备用的。你想啊,假如你是一个小机器人,在...
VINS-Mono是一种由香港科技大学沈老师实验室提出的基于紧耦合滑动窗口非线性优化方法的单目视觉-惯性系统。其亮点包括最优的IMU预积分理论、估计器初始化机制、故障检测和复原机制、外参在线校订、优化的紧耦合VIO、重定位机制以及全局位姿图优化模块。论文开源地址：HKUST-Aerial-Robotics/VINS-Mono。VINS的...
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...