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

最新推荐文章于 2024-06-18 09:35:04 发布
最新推荐文章于 2024-06-18 09:35:04 发布
阅读量829 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
JaydenQ
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
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).
An Improved Visual-Inertial Odometry Based on Self-Adaptive Attention-Anticipation Feature Selector
01-31
随着机器人技术与人工智能的飞速发展，视觉惯性里程计（Visual-Inertial Odometry，VIO）已经成为移动机器人自主导航的关键技术之一。视觉惯性里程计结合了摄像头的视觉信息和惯性测量单元的数据，为机器人提供了...
探索未来导航：Ensemble Visual-Inertial Odometry (EnVIO)——精准定位新时代
最新发布
gitblog_00017的博客
06-18 390
探索未来导航：Ensemble Visual-Inertial Odometry (EnVIO)——精准定位新时代 项目地址:https://gitcode.com/lastflowers/envio 在自动驾驶与机器人技术的浪潮中，精准的定位能力无疑是核心所在。今天，我们隆重介绍一款开源宝藏——Ensemble Visual-Inertial Odometry（EnVIO），一个由Jaehyun...
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 3万+
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
人工智能曾小健
07-29 2085
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
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)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...
SLAM-具有SLAM功能+3D网格生成功能的视觉惯性里程计-优质项目实战.zip
03-14
视觉惯性里程计（Visual-Inertial Odometry，VIO）是SLAM的一种形式，结合了视觉传感器（如摄像头）和惯性传感器（如陀螺仪和加速度计）的数据。视觉传感器提供环境的图像信息，而惯性传感器则提供设备的运动信息。...
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
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 6330
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...
[1]-VIO概述
weixin_45860565的博客
09-04 545
VIO 概述。
视觉惯导里程计VIO综述
NEU-LC的博客
10-20 6268
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
09-25 532
VINS-MONO integrate with IMU bundle adjustment
dm-vio: delayed marginalization visual-inertial odometry解读
09-17
DM-VIO是一种基于延迟边缘化的视觉惯性里程计(Visual-Inertial Odometry)算法。视觉惯性里程计是一种通过分析相机和惯性测量单元(IMU)的数据来估计相机在三维环境中的运动的技术。DM-VIO通过边缘化传感器测量历史来实现优化过程，以提高姿态和位置估计的准确性。 传统的VIO算法通常会使用非线性优化方法来进行估计，但是由于计算能力和传感器延迟的限制，实时性和鲁棒性方面存在一定的挑战。DM-VIO通过引入延迟边缘化的方法，将传感器测量历史进行边缘化处理，从而实现了良好的实时性能。 具体来说，DM-VIO首先对传感器数据进行预处理，包括惯性测量单元的时间戳校准和相机的畸变校正。然后通过非线性优化方法估计相机的位姿和速度。在优化过程中，DM-VIO使用延迟滑窗来处理传感器延迟问题，将最近的一段时间内的测量数据一起进行优化，并通过边缘化处理来移除旧的数据。 DM-VIO算法的优势在于它能够有效地处理传感器延迟，并且在保持良好的实时性能的同时提高了估计的准确性。通过考虑传感器测量历史，DM-VIO能够更好地捕捉相机的运动特性，并减少噪声和误差的影响。 总之，DM-VIO是一种基于延迟边缘化的视觉惯性里程计算法，通过处理传感器延迟和优化历史测量数据，它能够实现更好的实时性能和准确性，对于自主导航、增强现实等应用具有重要的意义。
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