VINS_FUSION的global融合思想

VINS_FUSION采用全局融合来解决局部观测的累计漂移问题,克服GPS数据的不平滑和低频输出。通过将GPS坐标转换为大地坐标并以第一帧GPS为原点,利用最小二乘法进行优化。在代码实现中,对GPS和VIO数据进行处理,转换坐标系,并通过Ceres进行优化。目标是实现局部精确和全局零漂。

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

VINS_FUSION的global融合思想


使用全局融合的原因

  • 局部观测存在累计漂移,室外大场景难以运行
  • 局部观测数据缺乏全局约束,导致在不同的位置进行建图和定位都会得到不同坐标系下的结果,难以进行全局结果的观测

GPS的缺点

  • 数据不平滑,噪声过大
  • 输出频率低(1hz)

融合的目的

  • 局部精确
  • 全局零漂

算法架构

Screenshot from 2020-04-09 14-46-33.png-197.7kB

观测和状态约束关系

Screenshot from 2020-04-09 14-49-30.png-97.7kB

  • state: 状态量,位姿,速度,bias等
  • Local Factor: 局部观测约束,VIO相对位姿变换, 计算的是相邻两帧之间位姿的残差

GPS 融合思路

  • 经纬度坐标系转换为大地坐标系(东北天坐标系ENU:local East North Up)
  • 第一帧的gps点为坐标系原点
  • 求最小二乘
    X ∗ = arg ⁡ max ⁡ x    ∏ t = 0 n ∏ k ∈ S e x p ( − 1 2 ∥ z t k − h t k ( X ) ) ∥ Ω t k 2 ) = arg ⁡ min ⁡ x    ∑ t = 0 n ∑ k ∈ S ∥ z t k − h t k ( X ) ) ∥ Ω t k 2 . \begin{aligned}X^* &= \mathop{\arg\max}_{x} \ \ \prod_{t=0}^{n}\prod_{k\in S}exp(-\frac{1}{2} \|z_t^k-h_t^k(X))\|^2_{\Omega_t^k}) \\ &= \mathop{\arg\min}_{x} \ \ \sum_{t=0}^{n}\sum_{k\in S}\|z_t^k -h_t^k(X))\|^2_{\Omega_t^k}. \end{aligned} X=argmaxx  t=0nkSexp(21ztkhtk(X))Ωtk2)=argminx  t=0nkSztkhtk(X))Ωtk2.
  • 注意这里的马氏距离要进行一个分解才可以进行最小二乘
    ∥ r ∥ Ω 2 = r T Ω − 1 r \|r\|^2_Ω = r^T\Omega^{-1}r rΩ2=r
评论 4
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