本节主要说明当前主流的VIO算法流程。课程来源于B站。
高斯牛顿法
误差项:
$$
e(x+\Delta x)=e(x)+J(x)\Delta x
$$
- 一次观测
- 多次观测
- 逆深度 + VIO
EKF滤波和优化
- EKF铝箔相当于之迭代一次的优化,区别是滤波仅考虑上一帧的影响,而优化则考虑所有帧的影响
- 多次优化精度比滤波高,但效率低于滤波,因优化可以迭代多次,不断优化线性化点,是误差最小
IMU预积分
- 积分下一个时刻的PVQ作为视觉初始值
- 预计分相邻帧的PVQ变化量,作为IMU的约束
- 计算IMU误差的协方差和jacobian
VIO分类
将视觉约束就加到联合优化是紧耦合
将视觉约束后的位姿加入到联合优化是松耦合
MSCKF
具体流程如下所示:
- 初始化
- IMU预测
- 视觉跟踪