VIO当中的预计分《On-manifold preintegration for real-time visual-inertial Odometry》

最新推荐文章于 2022-03-13 17:35:14 发布

LilyNothing

最新推荐文章于 2022-03-13 17:35:14 发布

阅读量1.2w

点赞数 11

分类专栏：算法学习文章标签： slam

本文链接：https://blog.csdn.net/LilyNothing/article/details/79113841

版权

算法学习专栏收录该内容

4 篇文章 0 订阅

订阅专栏

该博客是关于VIO当中预计分的知识。同时结合高翔博士的讲解PPT以及原文章。我刚开始也看不是很懂，然后不断的查各种知识甚至原文中的各种英文术语，然后先理解术语是什么意思，再将其与该论文中的应用场景对应，其中还选择择了高翔博士的《视觉SLAM十四讲作为参考资料》。

预备知识—李群李代数

李群李代数的知识参考了《视觉SLAM十四讲》以及预计分论文的前面部分。SO(3)特殊正交群也就是由三维旋转矩阵构成。SE(3)特殊欧式群也就是变换矩阵构成。个人的理解：群呢，就是集合了旋转变化矩阵的一个大集合，这个集合里面的元素都满足一些基本的性质。因为在SLAM中经常会涉及到旋转变换的求解，所以使用群以及其对应的代数形式就能很好的表示旋转变化啦！(主要就是积分微分啥的这些操作方便啦。)
当然用李群李代数不止是微分积分啥的方便，还有一点就是流形空间下更能很好的表示一些抽象的概念(比如SE(3)流形空间等)。所谓的流形空间，参考知乎流形学习.
嗯，以上是我个人的瞎扯，要是扯的不对的地方，请大神赐教！
李代数是指在李群的正切空间上的数(应该是向量)啦！至于正切空间，也就是李群中旋转矩阵的导数空间啦！旋转矩阵求导也就相当于左乘一个李代数上的数（向量），公式如下：

R ˙ (t) = ϕ (t) \land R (t) = ⎡ ⎣ ⎢ ⎢ ⎢ 0 ϕ 3 - ϕ 2 - ϕ 3 0 ϕ 1 ϕ 2 - ϕ 1 0 ⎤ ⎦ ⎥ ⎥ ⎥ R (t)

$\begin{equation} \mathbf{ \dot{R} } (t) = \mathbf{\phi} (t)^{\wedge} \mathbf{R}(t) = \left[ {\begin{array}{*{20}{c}} 0&{ - {\phi _3}}&{{\phi _2}}\\ {{\phi _3}}&0&{ - {\phi _1}}\\ { - {\phi _2}}&{{\phi _1}}&0 \end{array}} \right] \mathbf{R} (t) \end{equation}$ 那么可以看出左乘的这个数反映了旋转矩阵的导数性质，可以理解成我们普通说的某个函数对某个变量求导之后的值。我们知道初始旋转矩阵其实就是一个单位向量I，所以可以求出R(t)的值如下所示：

R (t) = exp (ϕ (t) \land) R (t 0)

$\begin{equation} \mathbf{R}(t) = \exp \left( \mathbf{\phi} (t) ^\wedge \right) \mathbf{R}(t_0) \end{equation}$
其实上面的公式就表达了

ϕ 0 (t) \land

$\begin{equation} \mathbf{\phi_0} (t)^{\wedge} \end{equation}$
这个描述了R在局部的导数关系（在原点附近或者在某一个位置附近）.
这个值和R通过指数关系联系在了一起，其实R所对应的这个值就是李群（三维旋转矩阵）对应相应的李代数（特殊欧式群），所以两者之间的转换就变成了指数/对数映射。如下图所示。
指数对数映射

知道了李代数上的这个值，就可以通过指数变化求出旋转矩阵，知道了旋转矩阵，通过对数映射也能求出相对应的李代数上的值。需要注意的是李群和李代数之间的关系是满射关系，也就是SO(3)对应的李代数中可能会有多个值，因此将旋转范围定在了[-pi,pi]之间。
李群和李代数之间的转换可以使用如下的图来形象的表示：
这里写图片描述

写到这儿，我自己怀疑了自己，有以下疑问：
李群代表的就是旋转变化矩阵，李代数指的是群的导数性质，也就是在正切空间上。那么计算的时候是将结果转成李代数来计算吗？这样是更方便一些吗？这样的转换是在什么时候进行转换呢？传感器的状态变量也是使用李代数来表示吗？由：
这里写图片描述

在预计分这篇论文里面在预备知识部分还讲了一些其它的预备知识，目前这部分还没看，包括用SO(3)来描述不确定性，在流形空间上用高斯牛顿方法之类的。这部分有时间还是需要再看看。

核心部分—预计分

引用以下别人的话

VIO，或VI-SLAM，是指利用视觉（Vision）加上惯导（Inertial），共同实现视觉里程计（Odometry）或完整SLAM的做法。我们知道，纯视觉可以实现三维空间中的定位，但由于图像可靠性不好，存在一些不可避免的问题：运动模糊、遮挡、快速运动、纯旋转、尺度不确定性，等等。许多问题，在纯视觉的SLAM中，难以得到根本上的解决。而IMU，可以得到与视觉无关的，关于运动主体自身的角速度、加速度的测量数据，从而对运动有一个约束。然而，从IMU数据到六自由度的空间位姿，还隔着一个动力学方程。同时，IMU数据，除了受白噪声影响之外，通常认为还存在一个零偏。仅用IMU来做位姿估计，由于零偏的影响，很快就会漂移。然而，视觉图像在固定不动时，并不会产生漂移。所以，利用视觉确定IMU的零偏，同IMU来辅助快速运动的定位和纯旋转的处理，成为VIO比较吸引人的研究点之一。

the state

但是由于IMU和camera的采样时间不同，还与基于关键帧的SLAM中构建关键帧的时间也不同，所以在这过程中就需要对IMU和camera的数据进行处理（预计分是只针对IMU还是会针对非key-frame的图像呢？从下图看好像是只对IMU数据部分预计分，然后每次都预计分两个key-frame之间的IMU数据，然后用其来纠正key-frame的状态信息？）设备的采样时间对比：
这里写图片描述
如上图所示。在时间轴上，IMU通常以较快的速率采集角速度和加速度的信息，而视觉则是以较慢的频率采集图像。VIO的器件同步，保证了每个时刻采集的数据都是同步的。原理上，我们可以给出每个时刻的位姿估计，然而，现有视觉SLAM，多数是基于关键帧+BA的处理形式。于是，一个重要的问题是，能否将两个视觉关键帧当中的IMU数据，整合在一起，约束它们之间的运动？这里的约束它们之间的运动，指的是什么呢？指的是两个视觉上的key-frame吗？如果可以的话，又如何来约束？预积分的目的，就在于处理这里的运动关系什么的运动关系？IMU和key-frame之间的吗？。为了说清楚这件事，需要介绍一些背景知识。
这里写图片描述

用IMU的测量数据来表示系统时刻i的state，可以如下表示：

其中bias又包含陀螺仪和加速度的bias，state中的每一个变量都是李代数中的R^3的表示方式，所以总的state有15维。
对于关键帧的state，用以下的方式表示：
这里写图片描述

计算问题（estimation problem）的输入

也就是我们要实现localization的话我们需要的measurement有IMU和摄像头的图像输入。
这里写图片描述
C表示图像输入，在key-frame i处的输入包含一系列的图片，这些图片可能拍摄到l的landmark（这个地方的images会包含全部i到j之间的图像吗？还是会包含i时刻之前的图像呢？）。I表示第i个关键帧和第j个关键帧之间的IMU数据。这些landmark只是会对应到图像中的特征点之类的，这样landmark就可以和位置进行约束了（重投影误差约束）。

因子图（factor graph）和最大后验估计（MAP）

其实估计问题就可以看成是MAP的问题。也就是在input的基础上估计处最好的state。
对应的公式如下图：
这里写图片描述
知道初始时刻的状态，那么也就可以得出相对应的MAP的公式了。其中a代表因式分解，b代表独立分布的假设成立，根据Markovian性质得到（这一刻的状态只受上一时刻影响）。因为Zk是已知的，那么就可以把其表示为因子图，因子图就可以用相应的方法进行求解了。转换过程如下：
这里写图片描述
上图也标出来了预计分的部分。
MAP最大化(25)公式中的值，也就转换为最小化相对应的log值。

这样表示之后其实之后的计算也就是要尽可能的减少这个函数的值。这个函数是一个关于测量值和预测值之间的残差以及协方差的函数。也就是能反映系统的状态X。

IMU模型和运动的整合

IMU测出来的角速度和加速度是收到bias和noise影响的。所以测量值等于真实值加上相应的噪声和偏差。
其中的bias是state中的一个变量。加速度涉及到的旋转，偏差也是state中的变量。
这里写图片描述
那么目的就是从这些测量值中推出IMU的运动模型出来。首先引出动力学的积分模型：

因为导数就是代表了这个方向上的增量，所以在这个时候可以使用积分方式表示，剩下的速度和位移和物理上有些关系而已。在假设a和w都在一定时间内是不变的话，那么就可以写成上图右边的离散形式，接着用IMU的数据去替换掉离散形式的表达之后，就可以得到如上图右下部分表达的公式了。
于是，这个公式就可以表示两个视觉帧之间的约束关系了。进一步的，把两个key-frame之间的IMU的数据进行积分起来，那么就可以表示两个关键帧之间的约束关系了。
这里写图片描述

这里的构建优化函数是如何构建的呢？两个关键帧的误差量通过IMU数据可以表达，也可以通过视觉的方式进行表达？两个表达的L2吗？视觉的方式如何表达呢？非key-frame之间的方式如何表达呢？同key-frame一样吗？这个根据自己的要求，自己定义关键帧，看关键帧之间

这里写图片描述

上图解决了上述的视觉表达（key-frame之间的表达方式。）但是两个视觉帧（非关键帧之间的表达方式呢？）
然后，还需讨论观测量对零偏的雅可比：

至此，除了细节推导之外，我们已经说明了预积分的主要思路。那么，如何在VIO里应用预积分呢？实际上也不难，只要把原先视觉SLAM里的bundle adjustment里，用15维的Pose代替原先6维的Pose，再加上IMU运动约束即可。
这里写图片描述
在ORB+IMU、LSD+IMU的工作中，作者们都是利用了这个框架实现VIO或VI-SLAM的：

不过，由于预积分原先是在gtsam上开源的，所以作者们也都用了gtsam作为后端。然而，只要清楚了预积分的原理，那么在g2o或ceres这些通用优化框架中，也完全可以实现预积分的计算。这就给出了一种基于优化方法的VIO处理方式。

结语：以上内容应该是自己对高博讲解的笔记吧，很多图片都是来自于高博的PPT，原链接也在开始就给出来了，一些问题我也在文中提出来了，之后再去问问学长之后再来完善这部分内容。
参考：http://www.tk4479.net/qq_26682225/article/details/72649858
参考：https://zhuanlan.zhihu.com/p/26243851

这篇预计分的论文里是所有VIO的基础，其中是结合ORB_SLAM加这篇文章里面的预积分实现的VIO,具体的代码没有开源,但是大疆的一个人进行了实现,github地址:https://github.com/jingpang/LearnVIORB,,但是他只实现了单目的. 而且似乎双目比VINS-MONO(单目+imu)效果要好一些.