最近一年从事视觉SLAM,选用ORBSLAM3作为开发base,在此基础上做了工程化开发,主要的延伸有:里程计和IMU预积分,语义优化,定位
里程计和IMU预积分
背景
在移动机器人、自动驾驶开发中,有一个很重要的传感器--轮式编码器,通过编码器我们可以推算出位移数据,就是我们常说的里程计-odometry。里程计之所以重要,是因为其有着很精准的局部位移测量。IMU在实际应用中更多的反映姿态,对于位移测量存在漂移问题,因此将里程计和IMU相结合,我们将获得更稳定的测量系统。
方案
在ORBSLAM3中已经内置了IMU的预积分,而里程计的加入是更多的参与位移上的约束,因此,我们可选择以下方案继续开发。
- 输入为里程计的线速度和角速度,构造ODOM类,不断预积分出PVQ,并设置对应的BIAS(
,
),联合进行IMU初始化优化。
- 输入为里程计的线速度,不断积分出位移distance,最后参与到IMU初始化优化,以及scale优化,旨在约束尺度。
- 重构IMU类,将IMU的速度推导更换为里程计的线速度&