VINS-Mono+Fusion源码解析系列(五):IMU预积分的误差传递

1. 连续时间下IMU预积分误差传递的推导

 首先,给出连续时间下IMU预积分误差 δ z t \delta z_t δzt的传递方程,然后对各预积分量的误差传递形式进行推导:
连续时间预积分误差(1)位置项 δ α ˙ t b k \delta \dot{\alpha}_t^{b_k} δα˙tbk的推导

​ 真实值下的位置导数等于其对应的真实速度,即 P ˙ t = V t \dot{P}_t = V_t P˙t=Vt,测量值下的位置导数也等于其对应的测量值速度,即

P ˙ = V \dot{P} = V P˙=V​。又由于真实值 = 测量值 + 误差项,则有:
( P + Δ P ) , = ( V + Δ V )        ⇒        P ˙ + Δ P ˙ = V + Δ V        ⇒        Δ P ˙ = Δ V (P + \Delta P)^{,} = (V + \Delta V) \ \ \ \ \ \ \Rightarrow \ \ \ \ \ \ \dot{P} + \Delta \dot{P} = V + \Delta V \ \ \ \ \ \ \Rightarrow \ \ \ \ \ \ \Delta \dot{P} = \Delta V (P+ΔP),=(V+ΔV)            P˙+ΔP˙=V+ΔV            ΔP˙=ΔV
​ 所以,对于预积分量 α t b k \alpha_t^{b_k} αtbk,它的误差项传递形式为: δ α ˙ t b k = β t b k \delta \dot{ \alpha}_t^{b_k} = \beta_t^{b_k} δα˙tbk=βtbk

(2)零偏项 δ b ˙ a t \delta \dot{b}_{a_t} δb˙at δ b w t ˙ \delta \dot{b_{w_t}} δbwt˙的推导

​ 在VINS-Mono中,相邻两帧的时间间隔比较短,因此可认为零偏是不变的,即真实值的零偏导数为0,如下:
b a ˙ = 0            b w ˙ = 0 \dot{b_a} = 0 \ \ \ \ \ \ \ \ \ \ \dot{b_w} = 0 ba˙=0          bw˙=0
代入测量值与误差项,则有: ( b a + Δ b a ) , = 0 (b_a+\Delta b_a)^, = 0 (ba+Δba),=0 ( b w + Δ b w ) , = 0 (b_w + \Delta b_w)^, = 0 (bw+Δbw),=0
( b a + Δ b a ) , = 0            ⇒            b ˙ a + δ b ˙ a = 0 ( b w + Δ b w ) , = 0            ⇒            b ˙ w + δ b ˙ w = 0 (b_a+\Delta b_a)^, = 0 \ \ \ \ \ \ \ \ \ \ \Rightarrow \ \ \ \ \ \ \ \ \ \ \dot{b}_a + \delta \dot{b}_a = 0 \\ (b_w + \Delta b_w)^, = 0 \ \ \ \ \ \ \ \ \ \ \Rightarrow \ \ \ \ \ \ \ \ \ \ \dot{b}_w + \delta \dot{b}_w = 0 (ba+Δba),=0                    b˙a+δb˙a=0(bw+Δbw),=0                    b˙w+δb˙w=0
​ 由于测量值的偏置的导数服从高斯分布,因此 b ˙ a = n b a \dot{b}_a = n_{b_a} b˙a=nba b ˙ w = n b w \dot{b}_w = n_{b_w} b˙w=nbw。加上正负号后,零偏的导数仍满足高斯分布,故 δ b ˙ a = n b a \delta \dot{b}_a = n_{b_a} δb˙a=nba δ b ˙ w = n b w \delta \dot{b}_w = n_{b_w} δb˙w=nbw,与方程中偏置的导数项一致

(3)速度项 δ β ˙ t b k \delta \dot{\beta}_t^{b_k} δβ˙tbk的推导

​ 根据PVQ导数模型可知,真实值下的速度导数等于其对应的真实加速度,即 v ˙ t = a t = a ^ − b a \dot{v}_t = a_t = \hat{a} - b_a v˙t=at=a^ba。对于速度而言,由于所求的是在 [ b k , b k + 1 ] [b_k,b_{k+1}] [bk,bk+1]时间内的速度预积分量,因此其中的速度都是相对于 b k b_k bk时刻的速度,故需要通过 R t b k R_t^{b_k} Rtbk将加速度转换到 b k b_k bk时刻上,即真实值下满足 v ˙ t = R t b k ( a ^ − b a ) \dot{v}_t = R_t^{b_k}(\hat{a} - b_a) v˙t=Rtbk(a^ba)

​ 将真实值转换为测量值 + 误差值的形式,则有: ( v + Δ v ) , = R ⋅ Δ R ( a ^ − n a − ( b a + Δ b a ) ) (v+\Delta v)^, = R \cdot \Delta R(\hat{a} - n_a - (b_a+\Delta b_a)) (v+Δv),=RΔR(a^na(ba+Δba)),展开如下:
( v + Δ v ) , = v ˙ + δ v ˙ = R ⋅ Δ R [ a ^ − n a − ( b a + Δ b a ) ] = R ⋅ e x p ( [ δ θ ] ∧ ) [ a ^ − n a − ( b a + Δ b a ) ] = R ⋅ ( I + [ δ θ ] ∧ ) [ a ^ − n a − ( b a + Δ b a ) ] = R ( a ^ − n a − b a − δ b a ) + R [ δ θ ] ∧ ( a ^ − n a − b a − δ b a ) (v+\Delta v)^, = \dot{v} + \delta \dot{v} = R \cdot \Delta R[\hat{a} - n_a - (b_a+\Delta b_a)] = R \cdot exp([\delta \theta]^{\wedge})[\hat{a} - n_a - (b_a+\Delta b_a)] \\ = R \cdot (I + [\delta \theta]^{\wedge})[\hat{a} - n_a - (b_a+\Delta b_a)] = R(\hat{a} - n_a - b_a - \delta b_a) + R[\delta \theta]^{\wedge}(\hat{a} - n_a - b_a - \delta b_a) (v+Δv),=v˙+δv˙=RΔR[a^na(ba+Δba)]=Rexp([δθ])[a^na(ba+Δba)]=R(I+[δθ])[a^na(ba+Δba)]=R(a^nabaδba)+R[δθ](a^nabaδba)
​ 由于测量值速度满足: v ˙ = R ( a ^ − b a ) \dot{v} = R(\hat{a} - b_a) v˙=R(a^ba),且 [ δ θ ] ∧ [\delta \theta]^{\wedge} [δθ] n a + δ b a n_a + \delta b_a na+δba均为一阶小量,二者相乘后为二阶小量,可忽略,故上式可进一步化简为:
δ v ˙ = R ( − n a − δ b a ) + R [ δ θ ] ∧ ( a ^ − b a ) = − R ( a ^ − b a ) ∧ δ θ − R n a − R δ b a \delta \dot{v} = R(-n_a-\delta b_a) + R[\delta \theta]^{\wedge}(\hat{a} - b_a) = -R(\hat{a} - b_a)^{\wedge}\delta \theta-Rn_a - R\delta b_a δv˙=R(naδba)+R[δθ](a^ba)=R(a^ba)δθRnaRδba
​ 与方程中速度的导数项一致

(4)姿态项 δ θ ˙ t b k \delta \dot{\theta}_t^{b_k} δθ˙tbk的推导

​ 根据PVQ导数模型可知,真实值下的旋转四元数导数表达式为: q ˙ b t w = q b t w ⊗ [ 0 1 2 w b t ] \dot{q}_{b_t}^w=q_{b_t}^w\otimes{\left[\begin{array}{cc} 0 \\ \frac{1}{2}w^{b_t} \end{array} \right]} q˙btw=qbtw[021w

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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