从零开始学习VIO笔记 --- 第二讲:VIO概述,IMU相关模型介绍
一. VIO融合
1.1 紧耦合
融合过程本身会影响视觉和 IMU 中的参数(如 IMU 的零偏和视觉的尺度)。典型方案为 MSCKF 和非线性优化。
1.2 松耦合
将 IMU 定位与视觉/GNSS 的位姿直接进行融合,融合过程对二者本身不产生影响,作为后处理方式输出。典型方案为卡尔曼滤波
二. imu 误差模型
加速度计和陀螺仪的误差可以分为:确定性误差,随机误差
确定性误差可以事先标定确定,包括:bias, scale
随机误差通常假设噪声服从高斯分布,包括:高斯白噪声,bias,随机游走
加速度计的bias,指的是零偏;理论上,当没有外部作用时,IMU 传感器的输出应该为 0。但是,实
际数据存在一个偏置 b。加速度计 bias 对位姿估计的影响:(速度和位置p)
加速度计的 scale 可以看成是实际数值和传感器输出值之间的比值
IMU 随机误差 — 高斯白噪声
imu 的误差标定(后续补上)
三. imu的数学模型
3.1 加速度计数学模型
3.2 陀螺仪数学模型
四. VIO 中的 imu模型
陀螺仪: 只考虑白噪声
n
g
n^g
ng和bias随机游走
b
g
b^g
bg,各个方向的角速度
加速度计:只考虑白噪声
n
a
n^a
na和bias随机游走
b
a
b^a
ba,各个方向的加速度,额外还有一个世界坐标系下的重力加速度
g
w
g^w
gw