VINS-Mobile：移动设备上的单目视觉-惯性状态估计器

VINS-Mobile：移动设备上的单目视觉-惯性状态估计器

VINS-MobileMonocular Visual-Inertial State Estimator on Mobile Phones项目地址:https://gitcode.com/gh_mirrors/vi/VINS-Mobile

项目介绍

VINS-Mobile 是由香港科技大学（HKUST）空中机器人团队开发的一款实时单目视觉-惯性状态估计器。该系统专为兼容iOS设备设计，旨在为增强现实（AR）应用提供定位服务，并已通过自主无人机的状态估计和反馈控制测试。VINS-Mobile采用基于滑动窗口优化的公式，提供高精度的视觉-惯性里程计，并具备自动初始化和故障恢复功能。通过全局姿态图SLAM实时校正累积的里程计误差，并提供AR演示以展示其能力。

项目技术分析

VINS-Mobile的核心技术在于其基于滑动窗口的优化方法，这种方法能够有效地融合视觉和惯性数据，实现高精度的状态估计。系统通过前端的仅运动3D跟踪将姿态输出和AR渲染升级到30 Hz，并改进了闭环检测过程，从而提高了系统的实时性能和鲁棒性。此外，VINS-Mobile还集成了非线性优化库ceres solver和循环检测库DBow，进一步增强了其功能和性能。

项目及技术应用场景

VINS-Mobile的应用场景广泛，特别适合于以下领域：

• 增强现实（AR）：为AR应用提供精确的定位和跟踪服务，增强用户体验。
• 自主无人机：用于无人机的状态估计和反馈控制，提高飞行稳定性和导航精度。
• 移动机器人：为移动机器人提供精确的定位和导航，适用于室内外环境。
• 虚拟现实（VR）：结合VR技术，提供更加沉浸式的体验。

项目特点

• 实时性能：通过优化算法，实现了30 Hz的高频率姿态输出和AR渲染。
• 高精度：采用滑动窗口优化方法，提供高精度的视觉-惯性里程计。
• 自动初始化和故障恢复：系统能够自动初始化并从故障中恢复，提高了鲁棒性。
• 全局姿态图SLAM：实时校正累积的里程计误差，确保长期运行的准确性。
• 兼容性：支持多种iOS设备，包括iPhone7 Plus、iPhone7、iPhone6s Plus、iPhone6s和iPad Pro等。

VINS-Mobile不仅是一个技术先进的开源项目，也是一个极具潜力的研究平台。无论你是研究者、开发者还是技术爱好者，VINS-Mobile都值得你深入探索和应用。欢迎通过GitHub贡献代码或提出问题，共同推动VINS-Mobile的发展！

---

相关链接：

• 项目GitHub地址
• 技术报告
• 相关视频

引用信息： 如果你在学术研究中使用VINS-Mobile，请至少引用我们的一篇相关论文。

---

许可证： 本项目源代码基于GPLv3许可证发布。

联系方式：

• Peiliang LI <pliapATconnect.ust.hk>
• Tong QIN <tong.qinATconnect.ust.hk>
• Shaojie SHEN <eeshaojieATust.hk>

欢迎贡献代码或通过GitHub提出问题，共同推动VINS-Mobile的发展！

VINS-MobileMonocular Visual-Inertial State Estimator on Mobile Phones项目地址:https://gitcode.com/gh_mirrors/vi/VINS-Mobile