okvis解读

１．　ｏｋｖｉｓ简介

这篇博客：https://zhuanlan.zhihu.com/p/52201256

OKVIS 它是由 Stefan Leutenegge 等人提出的基于双目+惯导的视觉里程计，属于 VIO (Visual Inertial Odometry) 。

 

• 按照 Davide Scaramuzza 的分类方法，首先分成 filter-based（基于滤波）和 optimization-based（基于优化）的两个大类，这也和一般 SLAM 系统的分类方法类似。
• 按照是否把图像特征信息加入状态向量来进行分类，可以分为松耦合 (loosely-coupled) 和紧耦合 (tightly-coupled) 。

 

这是两种独立的分类方法，首先看是基于滤波还是优化的，然后进一步根据状态向量中是否加入了图像的特征信息来判断松紧耦合。

松耦合的工作不多，而且效果显然是没有紧耦合好，紧耦合中比较经典的是 OKVIS，前端基于 BRISK 算法，后端基于滑动窗口的优化，支持单目和双目视觉。

OKVIS 的算法流程是通过 IMU 测量值对当前状态做预测，根据预测进行特征提取和特征匹配，3D 点特征和二维图像特征构成优化中重投影，同时预测的 IMU 的状态量和优化的参数之间构成 IMU 测量误差，这两项误差放在一起做优化。

与vins的对比：没有闭环检测，采用的不是orb而是brisｋ特征点描述，这样更耗时更精确。

２．okvis 翻译

OKVIS论文翻译：Keyframe-Based Visual-Inertial SLAM Using Nonlinear Optimization：

https://blog.youkuaiyun.com/u014679795/article/details/56838526

与只有视觉惯性和松散耦合的视觉惯性算法相比，我们的实验证实了紧密融合在精度和鲁棒性方面的好处。

视觉惯性估计问题是偏航和位置的全局不可观察性。（不可观）

在时间窗口中最旧的帧不是关键帧的情况下，我们将丢弃其所有的界标测量，然后将其与最旧的速度和偏置状态一起边缘化。图7示出了该过程。 下降的地标测量是次优的;