小觅智能 | OKVIS 学习笔记

本文深入探讨了OKVIS和VINS两种视觉惯性里程计(VIO)系统的特性与区别。OKVIS由Stefan Leutenegge等人提出,采用BRISK特征点检测和滑动窗口优化,支持单目和双目视觉。而VINS具有更完善的初始化和闭环检测机制,且CPU使用率低于OKVIS。文章详细分析了两者的系统级别差异、CPU使用情况及实际运行效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

上一期的视觉里程计,让我们想到了 OKVIS ,知乎上的讨论也比较少,小觅智能来分享一下。

OKVIS 基本介绍

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。

OKVIS 和 VINS 比较

系统级别上:

VINS 具有自动初始化,在线外参标定,重定位,闭环检测,以及全局位姿图优化功能。OKVIS 不支持重定位,也没有闭环检测或校正方案。 VINS 相比 OKVIS 有更加完善和鲁棒的初始化以及闭环检测过程。

CPU 使用率:

在 OKVIS 和 VINS-MONO 之间,OKVIS 拥有更多的 CPU 使用率,主要是因为它使用 Harris 角点检测和 BRISK 特征点检测进行时间和立体匹配。

实际跑的效果:

小觅双目摄像头实跑 OKVIS:

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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