VIO课程学习第一周

视觉和imu方案对比

零偏： imu放着不动的时候也会有偏移量。

VIO在工业界有不少应用，robotics，AR/VR

考虑清楚，需要绝对位置还是相对位置？是否需要基于地图定位？

 

IMU 和视觉融合的目标

松耦合和紧耦合

松耦合可以是各个传感器给出一个估计，在最后通过后处理的方式融合。视觉和imu不会相互影响。

紧耦合里，视觉和imu会放在同一个框架考虑，互补。

RTK会在都市场景中失效。

AR VR的眼镜上面经常使用vio。

后处理的方式包括卡尔曼滤波。但是效果有时不佳，因为加权平均有时候不好用。。。

 

针对紧耦合方案，在视觉通常会用BA得到位姿，imu通过解算得到位置，然后可以通过滤波和优化的方法解决问题。其中，滤波可以被理解为简化的优化方案。

预备知识回顾：

 

T_{wi}让坐标从imu坐标系转到世界坐标系。

四元数和角轴之间存在固定的转换关系。

四元数对时间求导：

 

 

利用李代数对旋转进行求导

 

 

对右扰动求雅可比

几点说明：

关于公式（15）： 我们通过讲旋转矩阵转化为李代数，从而求导。

公式（16）： 这是一个BCH近似

公式（17）：右雅克比括号里的对应的的是参数，而不是乘法含义。

 

SE(3)很麻烦。。。在本门课程中主要用SO(3) + t.

作业