VINS中的初始化方法

已于 2023-09-22 16:13:24 修改
阅读量994 收藏 6
点赞数 1
分类专栏： slam 文章标签： slam 人工智能 算法
于 2023-09-21 13:09:49 首次发布
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/m0_37604894/article/details/133129931
版权
本文详细介绍了VINS中静态和动态初始化策略，重点讨论了IMUPreintegration、VINS-fusion、VI-ORB-SLAM和ORB-SLAM3的初始化流程，以及尺度初始化的重要性。强调了数据准备和VI-BA优化对初始化时间的影响。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

背景

本文档介绍VINS中常见的初始化方法，静态初始化相对简单，通常1s内可以完成，但如果遇到在运动时的初始化问题，初始化难度相对较大，实际工程问题中，通常会将初始化分为静态和动态初始化两部分，这里主要是介绍动态初始化方案。

一、基础知识:IMU Preintegration

IMU Preintegration

  • 等式两边同时乘以旋转的逆，把IMU测量提取出来
    在这里插入图片描述
  • Bias Updates：bias会影响上面的增量，因此bias更新时通过jacobian更新增量
    在这里插入图片描述
    因此，整体预积分流程为：
    在这里插入图片描述

二、 VINS-fusion初始化方法

与第一帧数据相距>0.1s后,利用局部窗口内的每一帧初始化，初始化流程如下：

1、单目+IMU

在这里插入图片描述

第四步实现细节：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2、双目+IMU

有尺度，初始化又快又简单

  1. 和地图点匹配，SolvePnP，计算当前帧位姿
  2. 双目三角化，计算特征深度
  3. gyro bias矫正
  4. 局部窗口BA优化（视觉余项+IMU余项）

三、VI-ORB-SLAM初始化方法

a.原理介绍

compute an initial estimation for a visual-inertial full BA of the scale, gravity direction, velocity and IMU biases.

在这里插入图片描述
在这里插入图片描述

b. 实验结果分析

在这里插入图片描述

四、ORB-SLAM3初始化

a.原理

在这里插入图片描述

b. 实验结果

在这里插入图片描述

c.加速方案

假设我们这里有尺度来源tof，那么可以进行加速
在这里插入图片描述

五、Fast and Robust Initialization for Visual-Inertial SLAM

在这里插入图片描述
在这里插入图片描述

六、总结

1、 VISLAM的初始化方案需要较长的数据准备时间（1~2s）

2 、为了得到更准确的初值，需要进行VI-BA优化，耗时约几百ms，处理时间相对较久

3、没有尺度来源时，初始化需要充分的IMU激励，这个条件通常较难满足，因此整体初始化时间较久

4、初始化最重要的解释尺度初始化，其他的收敛都很快，所以如果可以有一个先验的尺度来源，很容易把初始化时间控制在1s以内

Vins-Fusion初始化-初始化陀螺零偏Bgs
u010196944的博客
11-18 586
Vins-Fusion初始化-初始化陀螺零偏Bgs
VINS初始化
sunshine
03-15 571
VINS初始化 VINS初始化之外参在线标定 前面主要分析了外参标定出来旋转矩阵，接下来接着分析初始化。 if (solver_flag == INITIAL) { if (frame_count == WINDOW_SIZE) //WINDOW_SIZE=20 { bool result = false; ...
VINS——初始化过程
雨落凡城的博客
07-31 1782
1 ???? 前言 初始化总体流程如下： 旋转外参数 qbc\mathbf{q}_{b c}qbc​ 未知, 则先估计旋转外参数. 利用旋转约束估计陀螺仪 bias. qc0bk=qc0ck⊗qbc−1 \mathbf{q}_{c_{0} b_{k}}=\mathbf{q}_{c_{0} c_{k}} \otimes \mathbf{q}_{b c}^{-1} qc0​bk​​=qc0​ck​​⊗qbc−1​ 利用平移约束估计重力方向，速度，以及尺度初始值. sp‾c0bk=sp‾c0ck−Rc0b
Vins初始化
qq_44991021的博客
05-08 1288
Vins初始化
萌新学VINS-Fusion（二）------初始化
weixin_41843971的博客
01-24 4819
最近在忙别的事情，博客迟迟没更新，现在终于放假了，今天把初始化部分来分析一下。 源码：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion processImage函数 在介绍初始化之前，我们先从后端接收到数据开始。processImage函数就是后端解算位姿的函数。 该函数的参数分别为上一讲最后得到的特征容器，和header中存储的时标。首先调...
一文详解VINS-Fusion初始化标定
3D视觉工坊
03-22 2951
作者丨卢涛@知乎来源丨https://zhuanlan.zhihu.com/p/358232587编辑丨3D视觉工坊本文基于VINS-Fusion解释VIO系统的初始化，包括在线标定IMU...
vins中imu融合_VINS的初始化与camera-imu外参标定
weixin_39669147的博客
12-21 534
1. 外参旋转矩阵初始化在VINS的Feature Detection and Tracking模块中，用Harris特征匹配，通过F矩阵和RANSAC算法恢复出 ；相应地使用IMU陀螺仪数据预积分得到 ;这两个测量量满足： * = * 将测量得到的R用四元数表示，并用四元数的运算(左乘右乘)得到约束方程： * = 0用多组数据得到超定方程： * = 0通过求最小二乘解，得到 ， ...
VINS的初始化
CSDN_XCS的博客
08-18 830
首先，明确在系统初始化阶段可以利用的已知量，以及待求解的未知量。 已知：1.各帧相对于第0帧的位姿Rc0ci,tc0ciR_{c_0c_i},t_{c_0c_i}Rc0​ci​​,tc0​ci​​；（根据SfM求得） 2.各相邻帧之间的位姿变化Rbkbk+1,tbkbk+1R_{b_kb_{k+1}},t_{b_kb_{k+1}}Rbk​bk+1​​,tbk​bk+1​​；（根据IMU的预积分求...
视觉惯性融合学习笔记三 VINS Mono初始化方法
weixin_43424002的博客
08-30 723
目录一、概述 这篇笔记会记录论文里的关于初始化的方法，以及自己的一些心得，欢迎交流(o◕∀◕)ﾉ。 一、概述
Vins-Mono系列代码和理论解读＜三＞. vins初始化流程和代码实现细节
tmfighting的博客
06-18 1711
快速了解vins-mono的初始化实现流程
VINS-Mono之初始化
qq_38555897的博客
07-07 579
VINS-Mono的初始化
第七章——VINS系统初始化
weixin_43008154的博客
05-09 1281
前言 这一章主要内容是讲的VINS系统初始化的事，内容上还是比较全面丰满的，有一些有疑问的点我之后读了代码会在博客里补上。一句话总结初始化：以优化量与观测值构建残差，提取优化量构成最小二乘问题 内容 1. IMU和相机旋转外参qbcq_{bc}qbc​以及角速度计（陀螺仪）的bias 在这一部分的初始化过程中，我们已知的信息有： 相机以一定频率采样得到的帧图像（可提取出相机旋转信息） IMU以一定频率采样得到的角速度值（同样可提取出IMU旋转信息） 旋转外参qbcq_{bc}qbc​我们认为在相机位移过
vins-mono中的初始化详解（1）
weixin_44587828的博客
10-31 1602
本文详细介绍vins-mono在初始化阶段完成的任务，以及如何使用ceres进行优化问题的求解。
VINS_FUSION入门系列－初始化
pj_find的博客
06-01 1770
初始化 初始化前获得IMU的起始姿态,g2r（const Eigen::Vector &g）函数。这个函数主要是为了做一个重力对齐。之后会得到一个初始化的R0, 这个R0​存入滑动窗口的世界坐标系下的旋转Rs[0],具体参考:https://blog.csdn.net/huanghaihui_123/article/details/103075107 //初始第一个imu位姿 void Estimator::initFirstIMUPose(vector<pair<double, Eig
VINS初始化原理及代码
weixin_41469272的博客
05-08 981
⋅w⋅w表示世界坐标系下的表示，Z轴与重力方向重合。⋅b⋅b表示体坐标系下的表示，与IMU坐标系绑定。⋅c⋅c表示相机坐标系下的表示。qbwq_b^wqbw​和pbwp_b^wpbw​分别表示imu 体坐标系下转换到世界坐标系下对应的旋转和平移。qcbq_c^bqcb​和pcbp_c^bpcb​分别表示相机坐标系下转换到体坐标系下对应的旋转和平移。⋅bk⋅bk​表示第k帧图像对应的体坐标系。⋅ck⋅ck。
VIO第7讲：VINS初始化与VINS系统
qq_49561752的博客
04-14 931
复习总结
VINS ---初始化
zwlq1314521的专栏
07-21 1133
通过匹配的视觉特征点 对极约束获取本质矩阵E，再分解本质矩阵获得相机的R，T bool MotionEstimator::solveRelativeRT(const vector> &corres, Matrix3d &Rotation, Vector3d &Translation) { if (corres.size() >= 15) { vector ll,
VINS-初始化:【翻译】Robust Initialization of Monocular Visual-Inertial Estimation on Aerial Robots
weixin_45626706的博客
04-29 734
目录用于空中机器人的单目视觉惯性估计的鲁棒初始化摘要简介综述方法纯视觉结构 用于空中机器人的单目视觉惯性估计的鲁棒初始化 摘要 在本文中，我们提出了一种鲁棒的在线估计器初始化算法，为单目视觉惯性系统（VINS）提供高质量的初始状态。由于VINS的非线性，较差的初始化可能会严重影响基于滤波的或基于图像的方法的性能。我们的方法从纯视觉运动恢复结构（SFM）开始，构建相机位姿和特征位姿的尺度结构。通过使用预集成的IMU测量松散地对齐这种结构，我们的方法恢复了公制尺度，速度，重力矢量和陀螺仪偏置，用于作为初始值，以
vins初始化
最新发布
03-24
### VINS框架的初始化过程 VINS（Visual-Inertial Navigation System）是一种融合视觉和惯性测量单元（IMU）数据的导航系统，其初始化过程是整个算法的关键环节之一。以下是关于VINS初始化方法及其配置的相关说明： #### 1. 静态与动态初始化的区别 在实际应用中，VINS初始化被划分为静态初始化和动态初始化两种方式[^2]。 - **静态初始化**：适用于设备处于静止状态的情况，通常可以在1秒内完成。此阶段主要通过IMU预积分计算重力加速度的方向来估计初始姿态，并利用少量特征点观测值进一步优化参数。 - **动态初始化**：当传感器存在运动时采用该策略。相比静态模式更加复杂，因为需要额外考虑运动带来的不确定性影响。 #### 2. IMU预积分的作用 为了减少噪声干扰并提高效率，在VINS初始化过程中引入了IMU pre-integration技术[^3]。这项技术允许我们仅需存储一段时间内的加速度计读数以及陀螺仪增量角度即可重建完整的轨迹信息而无需保存每一步的具体数值变化情况。这不仅降低了内存消耗还加快了后续处理的速度。 #### 3. 初始结构构建 (Initial Structure Construction) 函数`initialStructure()`负责启动整个初始化流程[^1]。它主要包括以下几个方面的工作： - 获取当前时刻所有可用图像帧上的角点位置； - 对这些匹配成功的对应关系执行三角化操作得到三维空间坐标表示形式； - 基于上述结果初步设定世界原点的位置作为参考系起点； #### 4. 平移与旋转的同时求解 除了确定系统的起始方位外，还需要同步估算出摄像头相对于全局坐标轴之间的偏移量即所谓的“平移”。这是因为即使知道了物体如何转动也无法直接得知它们具体位于何处除非同时也明确了两者间的距离关系[^4]。 #### 5. 尺度估计实现细节 针对尺度问题,VINS-Mono项目提供了专门用于测试初始化规模节点(TestInitScaleNode)，其中实现了独立版本的尺寸评估逻辑并与原始论文描述有所区别但总体思路保持一致[^5]。特别值得注意的是,由于摄像机光学特性所限,最终得出结论显示在其本地视角范围内,"重力"矢量实际上指向Y轴负半轴方向而非传统意义上的Z向下垂线方向. ```cpp // 示例代码片段展示可能涉及到的部分核心运算步骤伪码 Eigen::Vector3d g_in_cam; // Camera frame gravity vector estimation result. g_in_cam << 0,-9.81,0; ``` 以上就是有关VINS框架下初始化相关内容概述，请根据实际情况调整学习重点深入研究特定领域知识点。
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
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