视觉惯性里程计Visual–Inertial Odometry(VIO)概述

最新推荐文章于 2025-03-20 22:37:19 发布
最新推荐文章于 2025-03-20 22:37:19 发布
阅读量1k 收藏
点赞数
分类专栏： SLAM 文章标签： slam
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JaydenQ/article/details/122324309
版权
基于预先构建的LiDAR点云地图的单目视觉惯性里程计（Visual-Inertial Odometry, VIO）定位
ByteGlide的博客
09-14 200
总结起来，基于预先构建的LiDAR点云地图的单目VIO定位是一种结合视觉、惯性和LiDAR数据的定位方法。我们可以使用现有的点云库，如Open3D，来加载和处理点云数据。运动估计：使用惯性测量单元（IMU）的加速度计和陀螺仪数据，结合视觉特征点的匹配结果，通过运动估计算法（如扩展卡尔曼滤波器）来估计相机的运动。三角测量：使用视觉特征点的深度信息（可以通过点云地图提供）和相机的内外参数，通过三角测量方法来估计特征点的空间位置。姿态估计：根据相机的运动估计结果，使用IMU的数据来估计相机的姿态（即旋转）。
High-Precision, Consistent EKF-based Visual-Inertial Odometry.pdf
02-06
In this paper, we focus on the problem of motion tracking in unknown environments using visual and inertial sensors.We term this estimation task visual-inertial odometry (VIO), in analogy to the well-known visual-odometry problem. We present a detailed study of EKF-based VIO algorithms, by comparing both their theoretical properties and empirical performance. We show that an EKF formulation where the state vector comprises a sliding window of poses (the MSCKF algorithm) attains better accuracy, consistency, and computational efficiency than the SLAM formulation of the EKF, in which the state vector contains the current pose and the features seen by the camera. Moreover, we prove that both types of EKF approaches are inconsistent, due to the way in which Jacobians are computed. Specifically, we show that the observability properties of the EKF’s linearized system models do not match those of the underlying system, which causes the filters to underestimate the uncertainty in the state estimates. Based on our analysis, we propose a novel, real-time EKF-based VIO algorithm, which achieves consistent estimation by (i) ensuring the correct observability properties of its linearized system model, and (ii) performing online estimation of the camera-to-IMU calibration parameters. This algorithm, which we term MSCKF 2.0, is shown to achieve accuracy and consistency higher than even an iterative, sliding-window fixed-lag smoother, in both Monte-Carlo simulations and real-world testing. I
Robust Visual Inertial Odometry Using a Direct EKF-Based Approach.pdf
11-06
Abstract— In this paper, we present a monocular visual-inertial odometry algorithm which, by directly using pixel intensity errors of image patches, achieves accurate tracking performance while exhibiting a very high level of robustness. After detection, the tracking of the multilevel patch features is closely coupled to the underlying extended Kalman filter (EKF) by directly using the intensity errors as innovation term during the update step. We follow a purely robocentric approach where the location of 3D landmarks are always estimated with respect to the current camera pose. Furthermore, we decompose landmark positions into a bearing vector and a distance parametrization whereby we employ a minimal representation of differences on a corresponding σ-Algebra in order to achieve better consistency and to improve the computational performance. Due to the robocentric, inverse- distance landmark parametrization, the framework does not require any initialization procedure, leading to a truly power-up-and-go state estimation system. The presented approach is successfully evaluated in a set of highly dynamic hand-held experiments as well as directly employed in the control loop of a multirotor unmanned aerial vehicle (UAV).
视觉惯性里程计 综述 VIO Visual Inertial Odometry msckf ROVIO ssf msf okvis ORB-VINS VINS-Mono gtsam
热门推荐
万有文的博客
07-24 4万+
视觉惯性里程计 VIO - Visual Inertial Odometry 视觉−惯性导航融合SLAM方案 视觉惯性SLAM专栏 VINS技术路线与代码详解 VINS理论与代码详解0——理论基础白话篇 vio_data_simulation VIO数据测试仿真 视觉惯性单目SLAM知识 IO和之前的几种SLAM最大的不同在于两点： 首先，VIO在硬件上需要传感器的融...
视觉里程计（Visual Odometry）详解
最新发布
m0_73640344的博客
03-20 776
视觉里程计旨在通过处理连续的图像序列，估计摄像头的相对位姿变化，即平移和旋转。与惯性里程计（基于IMU）或激光里程计（基于激光雷达）的传统方法相比，视觉里程计具有成本低、信息丰富和适应性强等优势。然而，其性能受限于光照变化、动态环境和特征稀缺等因素，仍面临诸多挑战。视觉里程计作为一种基于视觉信息的位姿估计技术，在多个领域中发挥着重要作用。其核心在于通过图像特征的提取与匹配，结合几何优化算法，实现对设备运动的精确追踪。
视觉惯性里程计（VIO）
hbar1973的博客
09-06 1万+
视觉惯性里程计（VIO） 本文是 Forster et al. 的阅读笔记，自己补充了一点基于鱼眼相机的噪声传递内容。 概述 使用视觉和惯性部件可以分别定位目标。双目相机通过在像素平面捕捉目标、确定相差从而计算出目标物体的三维坐标，对于低速运动的目标能够较为准确地定位；然而对于高速（或运动状态剧烈改变）的物体这种定位方式甚至难以运行，而即使低速状态也无法避免光照或背景干扰等影响。使用搭载...
VIO，visual-inertial odometry）即视觉惯性里程计
强化学习曾小健
07-29 2226
VIO 开源框架 VIO目前实现比较好的有vinsmono,okvis,MSCKF。前两个是基于非线性优化的方案而且框架比较相似，后者是基于滤波优化的方案，也是Google Tango上使用的方法，MSCKF目前并没有开源，不过宾夕法尼亚的Kumar实验室18年有一个相似的工作，目前已经开源。此外还有ROVIO。值得注意的是，虽然在纯视觉SLAM中，学界已经公认基于非线性优化方法的SLAM方法效果要好于滤波的方法，但在VIO中，非线性优化和滤波方法目前还没有很明显的优劣之分。我的理解是结合相机和IMU两种
视觉惯性里程计(VIO)和视觉轮里程计的MATLAB仿真_MATLAB_源码_下载.zip
09-17
视觉惯性里程计（Visual-Inertial Odometry, VIO）和视觉轮里程计（Visual Wheel Odometry, VWO）是机器人定位与导航中的关键技术，主要用于实时估计移动平台的运动状态，如位置、速度和姿态。MATLAB作为强大的数学...
Selective Sensor Fusion for Neural Visual-Inertial Odometry.pdf
09-14
其中，视觉惯性里程计（Visual-Inertial Odometry, VIO）结合了视觉传感器（如摄像头）和惯性测量单元（IMU）的数据，提供实时、连续的自主导航解决方案。这篇论文《Selective Sensor Fusion for Neural Visual-...
视觉惯性里程计，vio课程入门
03-02
视觉惯性里程计（Visual Inertial Odometry，简称VIO）是一种利用视觉信息与惯性传感器（通常为加速度计和陀螺仪）数据融合来估计载体位置与姿态的技术。该技术在机器人导航、增强现实、自动驾驶车辆等众多领域具有...
Keyframe-Based Visual-Inertial Odometry Using Nonlinear Optimization.pdf
11-06
Combining visual and inertial measurements has become popular in mobile robotics, since the two sensing modalities offer complementary characteristics that make them the ideal choice for accurate Visual-Inertial Odometry or Simultaneous Localization and Mapping (SLAM). While historically the problem has been addressed with filtering, advancements in visual estimation suggest that non-linear optimization offers superior accuracy, while still tractable in complexity thanks to the sparsity of the underlying problem. Taking inspiration from these findings, we formulate a rigorously probabilistic cost function that combines reprojection errors of landmarks and inertial terms. The problem is kept tractable and thus ensuring real-time operation by limiting the optimization to a bounded window of keyframes through marginalization. Keyframes may be spaced in time by arbitrary intervals, while still related by linearized inertial terms. We present evaluation results on complementary datasets recorded with our custom-built stereo visual-inertial hardware that accurately synchronizes accelerometer and gyroscope measurements with imagery. A comparison of both a stereo and monocular version of our algorithm with and without online extrinsics estimation is shown with respect to ground truth. Furthermore, we compare the performance to an implementation of a state-of-the-art stochasic cloning sliding-window filter. This competititve reference implementation performs tightly-coupled filtering-based visual-inertial odometry. While our approach declaredly demands more computation, we show its superior performance in terms of accuracy.
FAST_LIO:计算有效且强大的LiDAR惯性里程计（LIO）软件包
03-21
注意：不支持Ubuntu 16.04及更低版本 FAST-LIO 2.0 将于2021年3月底发射。 新的功能： 更快更好 更高的频率； 更多的LiDAR支持（Horizo​​n和Ouster 64）； 支持基于ARM的嵌入式平台。 FAST-LIO FAST-LIO （快速LiDAR惯性里程计）是一种计算效率高且功能强大的LiDAR惯性里程计套件。它使用紧密耦合的迭代扩展卡尔曼滤波器将LiDAR特征点与IMU数据融合在一起，从而在发生退化的快速运动，嘈杂或混乱的环境中实现强大的导航能力。我们的软件包解决了许多关键问题： 快速迭代的卡尔曼滤波器，用于里程计优化； 在最稳定的环境下自动初始化； 并行KD-Tree搜索以减少计算量； 强大的特征提取； 开发者 ：激光贴图和姿势优化； ：特征提取。 要了解更多详细信息，请参阅我们的相关文章：） 我们的相关论文：现在可以在arxiv上获得我
计算机视觉方向简介 | 视觉惯性里程计(VIO)
3D视觉工坊
04-05 7137
VIO-SLAMVisual-Inertial Odometry（VIO）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertial system），是融合相机和IM...
SLAM-VIO视觉惯性里程计
二爷的博客
08-20 2612
VIO（visual-inertial odometry）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertial system），是融合相机和IMU数据实现SLAM的算法，根据融合框架的区别又分为紧耦合和松耦合，松耦合中视觉运动估计和惯导运动估计系统是两个独立的模块，将每个模块的输出结果进行融合，而紧耦合则是使用两个传感器的原始数据共同估计一组变量，传感器噪声也是相互影响的，紧耦合算法上比较复杂，但充分利用了传感器数据，可以实现更好的效果，是目前研究的重点。
[1]-VIO概述
weixin_45860565的博客
09-04 670
VIO 概述。
视觉惯导里程计VIO综述
NEU-LC的博客
10-20 6771
最近阅读了VIO中的一些论文，在这里做个汇总方便以后查阅，如有问题欢迎指正。 一、背景 VIO（Visual Inertial Odometry）视觉惯导里程计，VINS（Visual Inertial Navigation System）的一个分支。用Visual+IMU的方法估计6DOF位姿，同时解决由于单目相机不能估计feature的实际尺度问题。在无人车，无人机定位导航，AR等方面都有...
visual Inertial odometry
qq_23174517的博客
09-25 587
VINS-MONO integrate with IMU bundle adjustment
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

JaydenQ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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