VIO第一讲习题

最新推荐文章于 2024-04-07 09:47:25 发布

Jack ye 97

最新推荐文章于 2024-04-07 09:47:25 发布

阅读量319

点赞数

分类专栏： SLAM 文章标签：自动驾驶

本文链接：https://blog.csdn.net/qq_38795436/article/details/116229699

版权

SLAM 专栏收录该内容

9 篇文章

订阅专栏

1、文献阅读（我阅读的是“A Review of Visual-Inertial Simultaneous Localizationand Mapping from Filtering-Based andOptimization-Based Perspectives“这篇VIO综述文章）

1、

整体上视觉和IMU定位方案存在一定互补性质，（1）IMU适合计算时间短，快速的运动；（2）视觉适合计算时间长，慢速的运动；同时，可利用视觉定位信息来估计IMU的零偏，减少IMU由零偏导致的发散和累积误差；反之，IMU可以为视觉提供快速运动是的定位,IMU可以提供尺度信息，避免单目无法测尺度。

2、

常见融合方案：VI-ORB,MSCKF,VINS-mono,OKVIS,ROVIO,S-MSCKF

应用：AR，VR，无人驾驶，移动机器人，微型飞行器自主导航，水下无人潜航器auv

3、

（1）VIO与深度学习结合：论文题目：Selective Sensor Fusion for Neural Visual-Inertial Odometry，本文提出了一种新颖的端对端选择性传感器融合框架，用于单目VIO，融合单目图像和IMU，以此来估计轨迹，同时提高对实际问题的鲁棒性，如数据丢失和损坏或传感器同步不良。结果证明了特别是在存在损坏的数据的情况下，融合策略比直接融合具有更好的性能。

（2）Active SLAM：On the Importance of Uncertainty Representation inActive SLAM

（3）多传感器融合和硬件集成：硬件集成：A Embedding SLAM algorithms: Has it come ofage?

多传感器融合：Vehicle Localization Based on Visual Lane Marking and Topological Map Matching

（4）复杂动态环境中的应用：Collaborative Visual SLAM in Dynamic Environments.

（5）利用深度学习实现深度估计：CNN-SVO

2、

1、比较程序：

#include<iostream>
#include<vector>

#include<Eigen/Core>
#include<Eigen/Dense>
#include<Eigen/Geometry>

using namespace std;
using namespace Eigen;

int main(int argc, char **argv)
{

    Vector3d rot_axis=Eigen::Vector3d::Random();
    rot_axis.normalize();
    Eigen::AngleAxisd  rot_angle_axis(M_PI/4,rot_axis);
    Eigen::Matrix3d  rotation_matrix=rot_angle_axis.toRotationMatrix();
    cout<<"初始旋转矩阵 "<< endl << rotation_matrix << endl;
    Quaterniond q = Quaterniond(rot_angle_axis);
    
    Vector3d w(0.01, 0.02, 0.03); //旋转向量
    double theta = w.norm(); //旋转向量对应的旋转角
    AngleAxisd w_rot_vector(theta,w.normalized()); //w.normalized()为旋转轴，w_rot_vector为角轴
    Matrix3d w_rot_matrix = w_rot_vector.toRotationMatrix(); //w_rot_matrix为旋转矩阵
    rotation_matrix = rotation_matrix * w_rot_matrix;
    cout << "旋转矩阵" << endl << rotation_matrix << endl;
    
    Quaterniond q_w = Quaterniond(1, 0.5*w(0), 0.5*w(1), 0.5*w(2));
    q = q * q_w;
    q.normalized();
    cout <<"四元数" << endl << q.toRotationMatrix() << endl;
    return 0;
}

CMakeLists.txt

cmake_minimum_required(VERSION 2.8)

project(compare)

include_directories("/usr/include/eigen3")

add_executable(compare compare.cpp)

target_link_libraries(compare ${Eigen3_INCLUDE_DIRS})

结果