Alex的博客

文章目录前言前言本文结合深蓝学院《VIO》课程，对VINS-mono的论文以及代码展开了详细的学习和介绍。

目录一、VIO残差函数的构建1、需要优化的状态向量：2、目标函数为：二、视觉约束（细致）1.视觉重投影误差residual（归一化平面）2、优化变量3、Jacobian4、协方差三、IMU约束（粗略，祥细见之前）1、残差：2、优化变量：3、IMU测量残差公式推导4、残差对状态量的Jacobian5、残差对状态量的协方差四、基于舒尔补的边缘化1、论文部分2、基本公式3、舒尔补4、marg后形成的先验5 具体例子5.1 原来的信息矩阵H的构成5.2 舒尔补后形成新的

文章目录前言前言我们知道VINS采用了视觉和IMU的松耦合初始化方案。我将初始化分为两部分, 第一部分就是本文主要讲的SFM. 第二部分为视觉部分和IMU部分之间的关联.由于单目紧耦合的VIO是一个高度非线性系统，单目视觉没有尺度信息，IMU的测量又存在偏置误差，如果没有良好的初始值很难将这两种测量结果有机融合，因而初始化是VIO最敏感的环节。本文主要介绍运动恢复结构(SFM)得到纯视觉系统的初始化, 即滑动窗口中所有帧的位姿和所有路标点的3d位置 ,然后讨论视觉部分和IMU部分之间的关联，如何对两

文章目录前言一 processIMU()函数1 IMU 预积分IntegrationBase类2 push_back()函数3 evaluate（）函数前言在VINS-mono中,estimator/src/estimator_node.cpp中,从主函数依次为:main( )---->process( )---->processIMU( )其中,processIMU( )函数的原型为:void Estimator::processIMU(double dt, const Vecto

参考博客:https://blog.youkuaiyun.com/qq_41839222/article/details/86293038参考博客文章目录前言流程图代码结构输入输出estimator_node.cpp一 程序入口 int main(int argc, char **argv)参数二 订阅IMU、feature、restart、match_points的话题topicimu_callback（）回调函数feature_callback（）函数restart_callback（）relocalizati

文章目录理论分析数据预处理框架一、feature_tracker_node.cpp理论分析数据预处理框架代码流程如下图：主要三个源程序，feature_tracker_node是特征跟踪线程的系统入口，feature_tracker是特征跟踪算法的具体实现，parameters是设备等参数的读取和存放。一、feature_tracker_node.cpp主要分为两部分：int main（）函数为程序入口，void img_callback（）为ROS的回调函数，对图像进行特征点追踪，处理和发布。

文章目录前言启动文件launch前言参考链接:https://blog.youkuaiyun.com/qq_41839222/article/details/86564879一般我们通过以下命令运行VINS-Mono跑MH_01数据集。roslaunch vins_estimator euroc.launch roslaunch vins_estimator vins_rviz.launchrosbag play YOUR_PATH_TO_DATASET/MH_01_easy.bag 那么，VINS的启

前言：对第k帧和第k+1帧之间所有的IMU进行积分，可得到第K+1帧的PVQ（位置、速度、旋转），作为视觉估计的初始值。每次qwbt优化更新后，都要重新进行积分，运算量较大。将积分模型转为预积分模型：PVQ积分公式中的积分项变为相对于第i时刻的姿态，而不是相对于世界坐标系的姿态。目录一、IMU离散中值预积分理论基础1、没...