20.9.24 msckf_vio学习——源码试用问题

最新推荐文章于 2024-11-24 14:19:03 发布
原创 最新推荐文章于 2024-11-24 14:19:03 发布 · 431 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#linux

本文介绍了在运行msckf_vio时遇到的两个常见问题及解决方案。首先，针对编译时缺少random_numbers的问题，通过重新编译并设置释放模式解决。其次，测试阶段的报错可以通过返回上一级目录并重新尝试解决。最后，提供了使用rosbagplay播放Euroc数据集的步骤。

msckf_vio学习参考文见：
https://zhuanlan.zhihu.com/p/76347723

本文主要解决在运行时的一些报错问题：
1、编译时出现没有random_numbers的问题
博文

2、测试时，
第一个问题：
在这里插入图片描述

解决办法：
见博文
先重新编译，
catkin_make --pkg msckf_vio --cmake-args -DCMAKE_BUILD_TYPE=Release
再配置环境，
source ./devel/setup.bash
就OK了。
roslaunch msckf_vio msckf_vio_euroc.launch

第二个问题：
在这里插入图片描述
解决办法：
返回上一目录 cd
在这里插入图片描述
这里很奇怪，第一次不行，再试一次就OK了。（影响不大)

最后，带数据：
rosbag play ~/data/euroc/MH_04_difficult.bag

MSCKF_vio学习笔记
u014491623的博客
12-02 9474
    最近因为项目需求，对MSCKF_vio的论文和代码进行了一番研读，现将学习过程记下。     MSCKF_vio是一种基于多状态约束卡尔曼滤波器的双目视觉里程计。其中多状态约束是指将多帧图像的相机位姿加入卡尔曼状态向量中，在进行卡尔曼增益之前通过多帧图像之间的约束进行最小二乘优化来估计特征点的空间位置，然后根据优化后的特征点空间位置来约束状态向量。     代码中主要有三个文件比较重要：s...
Ubuntu20.04运行msckf_vio
草莓奶忻的博客
11-24 1449
如果您已经在 rviz 配置文件所在的目录中，则可以使用相对路径运行 rviz。：确保 rviz 和相关的 ROS 环境已经正确配置和加载，特别是在您使用多个工作空间时，避免因为路径问题找不到所需的 ROS 包。注意，在初始化之前，机器人需要处于静止状态，以便滤波器能够使用前200个IMU消息来正确初始化陀螺仪和加速度计的偏置以及初始姿态。构建过程无法找到 random_numbers 包，这是一个 ROS 包，通常用于生成随机数。编译完成后，使用以下命令加载 ROS 工作空间环境。
msckf_vio:稳健的立体视觉惯性里程表，可实现快速自主飞行
05-13
MSCKF_VIO MSCKF_VIO软件包是MSCKF_VIO的立体声版本。 该软件接收同步的立体声图像和IMU消息，并生成IMU帧的实时6DOF姿态估计。 该软件已在带有ROS Kinetic的Ubuntu 16.04上进行了测试。 视频： ： 论文草案： : 执照 Penn软件许可。 有关更多详细信息，请参见LICENSE.txt。 依存关系 大多数依赖项都是标准的，包括Eigen ， OpenCV和Boost 。 来自Ubuntu 16.04和ROS Kinetic的标准产品运行良好。 其中一个特殊要求是suitesparse ，可以通过以下方式安装： sudo apt-get install libsuitesparse-dev 编译中 该软件是标准的柳絮包。 将包克隆到工作区后，请确保该包位于ROS_PACKAGE_PATH 。 编译柳絮包的正常程序应该可以正常
MSCKF vio SLAM融合算法matlab模型源码及完整测试集
09-24
MSCKF vio SLAM融合算法, 含matlab模型源码及完整测试集
MSCKF_VIO算法框架
老白的博客
05-15 2691
MSCKF_VIO算法 1、MSCKF视觉惯性融合算法简介 惯性导航利用惯性测量单元(IMU)测量得到的角速度、加速度信息进行惯性导航解算得到运载体的位置、速度、姿态(含航向)等信息，具有实时性好、动态性能好等优点；但是由于其积分式特点，使得传感器和算法解算的误差会持续累积，导致长时间精度很低，特别是对于低端IMU。即使是军用战略性武器上使用的高精度惯导系统也在努力与别的信息进行融合，提高实际导航精度。视觉信息包含了丰富的三维场景信息，通过视觉跟踪可以对运载体的运动进行测量，视觉测量可以给出运动增量。惯性与
运行msckf_vio
a7691176的博客
01-15 1988
 MSCKF_vio是一种基于多状态约束卡尔曼滤波器的双目视觉里程计。其中多状态约束是指将多帧图像的相机位姿加入卡尔曼状态向量中，在进行卡尔曼增益之前通过多帧图像之间的约束进行最小二乘优化来估计特征点的空间位置，然后根据优化后的特征点空间位置来约束状态向量。其中，多帧图像保存在一个按时间排序的滑动窗口序列中，跟踪多个特征点在多帧图像中的坐标，从而建立各帧图像位姿之间的约束。另一个约...
msckf_vio_note:MSCKF注释掉的代码
04-30
MSCKF_VIO MSCKF_VIO软件包是MSCKF_VIO的立体声版本。 该软件接收同步的立体声图像和IMU消息，并生成IMU帧的实时6DOF姿态估计。 该软件已在带有ROS Kinetic的Ubuntu 16.04上进行了测试。 视频： : jxfJFgzmNSw&t ...
精选资源
msckf_vio.zip
03-16
【标题】"msckf_vio.zip" 涉及的核心技术是“多传感器组合卡尔曼滤波（Multi-Sensor Consistent Kalman Filter, MSCKF）”在视觉惯性 odometry（Visual-Inertial Odometry, VIO）中的应用。 【描述】“双目MSCKF”...
探索MSCKF_VIO：实时视觉惯性导航的利器
gitblog_00070的博客
03-25 764
探索MSCKF_VIO：实时视觉惯性导航的利器 msckf_vio Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight 项目地址: https://gitcode.com/gh_mir...
msckf-vio里面的完整代码压缩文件src.zip
05-23
讲这个文件直接解压就可以使用，省去需要手动添加random_numbers文件夹的烦恼。下载后放在catkin/下面就可以用catkin_make --pkg msckf_vio --cmake-args -DCMAKE_BUILD_TYPE=Release进行编译了
崔华坤VINS、MSCKF/ROVIO论文推导和代码解读
12-14
崔华坤VINS、MSCKF/ROVIO论文推导和代码解读，有助于学习VIO。需要的马上行东起来！！！！！！！！！！！！！ VINS VIO ROVIO
MSCKF-VIO输出轨迹文件
weixin_49049305的博客
02-04 978
原始msckf不能输出运行轨迹，需作更改。
视觉VIO框架: MSCKF
shuai_shuai_yuan的博客
01-19 637
视觉VIO框架: MSCKF
MSCKF-VIO源码框架及C++知识点总结
weixin_43827285的博客
11-27 7526
阅读源码是最有效的学习方式，不仅可以从中理清作者的思路以及工程实现细节，还可以学到相应的编程知识，可谓一举多得。本文主要从代码架构以及c++实现两个方向对msckv-vio进行解剖，有关msckf-vio的介绍详见知乎专栏[MSCKF那些事](https://zhuanlan.zhihu.com/c_1121353757664964608)。github[地址](https://github.com/KumarRobotics/msckf_vio)：，有关数学推导以及流程，知乎专栏里已经很详细很棒棒的了，在
MSCKF-vio源码阅读
weixin_42048023的博客
09-19 2056
作为一个小白来说，弄明白kf、ekf等滤波方法实属不易，
msckf-vio 跑Euroc数据集，并用evo进行评估
卡尔曼和舒拉
01-07 1260
所需材料： Euroc数据集主页：https://projects.asl.ethz.ch/datasets/doku.php?id=kmavvisualinertialdatasets evo评估工具代码：https://github.com/MichaelGrupp/evo 向msckf-vio中添加保存位姿的代码，可参考https://blog.csdn.net/xiaoxiaoyikesu/article/details/106308311 不过需要特别注意， 这里的lp[4]~[7]所对应的q
MSCKF_VIO 项目使用教程
gitblog_00448的博客
10-11 817
MSCKF_VIO（Multi-State Constraint Kalman Filter Visual-Inertial Odometry）是一个用于快速自主飞行的鲁棒双目视觉惯性里程计项目。该项目由KumarRobotics开发，旨在通过同步的双目图像和IMU消息生成IMU帧的实时6自由度姿态估计。MSCKF_VIO已经在Ubuntu 16.04和ROS Kinetic环境下进行了测试。 ...
msckf_vio在ubuntu20.04中的编译
卡尔曼和舒拉
01-07 1134
在ubuntu20.04编译msckf-vio代码详细步骤。
/home/tyf/okmsckf_ws/src/msckf_vio-evaluation/src/msckf_vio.cpp: In member function ‘void msckf_vio::MsckfVio::stateAugmentation(const double&)’: /home/tyf/okmsckf_ws/src/msckf_vio-evaluation/src/msckf_vio.cpp:749:7: error: ‘old_rows’ was not declared in this scope if (old_rows != 21+6*state_server.cam_states.size() || ^~~~~~~~ /home/tyf/okmsckf_ws/src/msckf_vio-evaluation/src/msckf_vio.cpp:750:7: error: ‘old_cols’ was not declared in this scope old_cols != 21+6*state_server.cam_states.size()) { ^~~~~~~~ /home/tyf/okmsckf_ws/src/msckf_vio-evaluation/src/msckf_vio.cpp:750:7: note: suggested alternative: ‘p_cols’ old_cols != 21+6*state_server.cam_states.size()) { ^~~~~~~~ p_cols /home/tyf/okmsckf_ws/src/msckf_vio-evaluation/src/msckf_vio.cpp: In member function ‘void msckf_vio::MsckfVio::errorStateUKF(const Vector3d&, const Vector3d&, const double&)’: /home/tyf/okmsckf_ws/src/msckf_vio-evaluation/src/msckf_vio.cpp:1866:13: error: ‘propagateErr
最新发布
04-30
<think>好的，我现在需要帮助用户解决Eigen库中的Block函数断言失败问题，以及未声明变量old_rows和old_cols的编译错误。首先，我得仔细分析用户提供的错误信息，然后结合之前的回答和相关引用，给出具体的排查步骤。 首先，用户提到的是Eigen的Block函数断言失败，具体错误信息是startRow >= 0 && blockRows >= 0等条件不满足。根据之前的回答，这类问题通常是由于矩阵操作时的索引或维度不匹配导致的。此外，用户还提到了未声明的变量old_rows和old_cols，这可能是代码中存在拼写错误或者变量作用域问题。 接下来，我需要参考用户提供的站内引用，其中提到在使用g2o时，BlockSolverTraits的维度设置错误可能导致类似的断言失败。这可能提示用户需要检查代码中的维度设置是否正确，特别是在使用类似g2o的块求解器时，或者在使用Eigen的Block操作时是否传入了正确的参数。 用户还特别指出需要针对msckf_vio代码库中的stateAugmentation和errorStateUKF函数进行排查。因此，我需要考虑这两个函数中可能涉及到的矩阵操作，尤其是Block函数的调用是否正确，以及是否存在变量未声明的问题。 首先处理Block断言失败的问题。可能的原因包括： 1. 在调用Block函数时，startRow或startCol为负数，或者blockRows/blockCols为负数。 2. Block操作的范围超出了原矩阵的尺寸，比如startRow + blockRows超过了原矩阵的行数。 3. 动态矩阵在调整大小时未正确指定维度，导致后续操作越界。 针对这些可能的原因，需要用户检查所有使用Block的地方，特别是在stateAugmentation和errorStateUKF函数中的相关代码。例如，是否有地方错误地计算了起始位置或块的大小，或者在调整矩阵大小时未正确设置新的维度。 然后是未声明的变量old_rows和old_cols。这看起来像是用户代码中使用了这两个变量，但未定义它们。需要检查这两个变量是否在函数内部声明，或者是否有拼写错误，比如old_row和old_rows的区别。此外，可能是在某些条件编译或宏定义中遗漏了变量的声明。 接下来，结合之前的回答，用户可能需要使用GDB调试来捕捉断言失败的具体位置，并通过打印变量值来确认参数是否正确。同时，对于编译错误，需要检查代码中的变量声明部分，确保所有使用的变量都已正确声明。 现在，我需要将这些思考整理成结构化的步骤，包括错误分析、调试方法、具体代码检查点以及解决方案。同时，要确保步骤详细，覆盖用户提到的特定函数和可能的问题点。此外，要引用之前提到的GDB调试步骤和维度检查方法，确保用户能够逐步排查问题。 最后，生成相关问题，帮助用户进一步排查可能遇到的类似问题，比如内存对齐、矩阵初始化等。确保回答符合用户要求的格式，正确使用LaTeX，并添加引用标识。</think>--- ### 针对Eigen Block断言失败及未声明变量的排查指南 --- #### 一、Block断言失败问题分析（`startRow >= 0`等条件不满足） ##### 1. **错误根源定位** - **核心原因**：调用`Eigen::Block`时参数越界，例如： - `startRow`或`startCol`为负数 - `blockRows`或`blockCols`超过原矩阵剩余空间 - 动态矩阵未正确初始化导致尺寸计算错误 - **典型场景**：在`msckf_vio`的`stateAugmentation`或`errorStateUKF`中可能涉及以下操作： ```cpp // 错误示例：假设原矩阵行数为5，尝试取第3行开始的3行块 Eigen::MatrixXd matrix(5,5); auto block = matrix.block(3,0,3,5); // 3+3=6 > 5，触发断言失败 ``` ##### 2. **具体排查步骤** **步骤1：定位触发断言的Block调用** - **GDB断点调试**： ```bash # 编译时开启调试符号 catkin_make -DCMAKE_BUILD_TYPE=Debug # 启动GDB调试节点 gdb --args /opt/ros/melodic/lib/nodelet/nodelet standalone msckf_vio/MsckfVioNodelet ``` ```gdb (gdb) break Eigen::Block<XprType, BlockRows, BlockCols, InnerPanel>::Block (gdb) run # 复现错误后查看堆栈 (gdb) backtrace full # 定位用户代码中具体调用位置 ``` **步骤2：验证Block参数合法性** 在代码中添加维度检查逻辑： ```cpp // 示例：检查stateAugmentation中的矩阵操作 Eigen::MatrixXd& state = ...; // 假设为状态矩阵 int startRow = ...; // 从代码逻辑中获取具体值 int blockRows = ...; // 添加断言或日志输出 assert(startRow >= 0 && "startRow must be non-negative"); assert(blockRows <= (state.rows() - startRow) && "Block rows exceed matrix bounds"); ROS_INFO("Block params: start=%d, rows=%d, matrix_size=%ldx%ld", startRow, blockRows, state.rows(), state.cols()); ``` **步骤3：检查动态矩阵初始化** 在`errorStateUKF`中，若涉及协方差矩阵操作： ```cpp // 错误示例：未初始化矩阵直接操作 Eigen::MatrixXd P; // 未指定大小 P.block(0,0,3,3) = ...; // 触发断言 // 修正：显式初始化维度 P.resize(n_states, n_states); // 确保与UKF状态维度一致 ``` --- #### 二、`old_rows`/`old_cols`未声明编译错误处理 ##### 1. **错误原因分析** - **直接原因**：代码中使用了未定义的变量`old_rows`或`old_cols` - **常见场景**： - 在矩阵resize操作中记录原始尺寸： ```cpp matrix.conservativeResize(new_rows, new_cols); // 错误：尝试使用未定义的old_rows if (old_rows > new_rows) { ... } ``` - 变量名拼写错误（如`old_row` vs `old_rows`） ##### 2. **排查与修复** **步骤1：全局搜索变量定义** ```bash # 在代码库中搜索变量声明 grep -rn "old_rows" src/msckf_vio/ grep -rn "old_cols" src/msckf_vio/ ``` **步骤2：检查作用域生命周期** - **情况1**：变量在条件分支中声明： ```cpp if (resize_needed) { int old_rows = matrix.rows(); // 作用域仅限于if块 } // 此处无法访问old_rows ``` **修复**：扩大作用域： ```cpp int old_rows = matrix.rows(); if (resize_needed) { matrix.conservativeResize(...); } ``` **步骤3：补充变量声明** 在需要记录旧尺寸的位置显式声明： ```cpp // 示例：在stateAugmentation中调整协方差矩阵 int old_rows = P.rows(); int old_cols = P.cols(); P.conservativeResize(new_rows, new_cols); // 使用old_rows/old_cols填充新增区域 P.block(old_rows, 0, new_rows-old_rows, old_cols).setZero(); ``` --- #### 三、针对`msckf_vio`的具体代码检查点 ##### 1. **`stateAugmentation`函数** - **关键操作**：状态向量和协方差矩阵扩展 ```cpp // 检查协方差矩阵P的Block操作 P.block<new_state_size, new_state_size>(old_state_size, old_state_size) = ...; // 确保old_state_size + new_state_size <= P.rows() ``` ##### 2. **`errorStateUKF`函数** - **关键操作**：误差状态预测与更新 ```cpp // 检查Jacobian矩阵J的Block赋值 J.block(start_row, start_col, block_rows, block_cols) = ...; // 验证start_row + block_rows <= J.rows() ``` ##### 3. **动态尺寸管理** - **建议**：在关键位置添加尺寸日志： ```cpp ROS_DEBUG_STREAM("Covariance matrix size: " << P.rows() << "x" << P.cols()); ``` --- ### 相关问题 1. 如何在Eigen中安全地操作动态矩阵的子块（避免越界）？ 2. 使用`conservativeResize`时如何保留原有数据并初始化新增区域？ 3. 如何通过ROS参数服务器动态调整MSKF-VIO的状态维度？ 4. 在C++中如何通过编译选项捕获未声明变量？ --- [^1]: Eigen的Block操作要求参数严格满足矩阵边界条件，动态尺寸需显式管理。 [^2]: 未声明变量错误通常由作用域限制或拼写错误导致，需结合编译输出定位。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值