VIO学习笔记（一）—— 概述

最新推荐文章于 2023-09-06 08:18:55 发布

梁小憨憨

最新推荐文章于 2023-09-06 08:18:55 发布

阅读量1.6k

点赞数 6

分类专栏： VIO 文章标签：计算机视觉算法

本文链接：https://blog.csdn.net/qq_41990294/article/details/105091924

版权

11 篇文章 18 订阅

订阅专栏

学习资料是深蓝学院的《从零开始手写VIO》课程，对课程做一些记录，方便自己以后查询，如有错误还请斧正。由于习惯性心算公式，所以为了加深理解，文章公式采用手写的形式。

VIO 概述

方案	IMU	视觉
优势	快速响应不受成像质量影响角速度普遍比较准确可估计绝对尺度	不产生漂移直接测量旋转与平移
劣势	存在零偏低精度 IMU 积分位姿发散高精度价格昂贵	受图像遮挡、运动物体干扰单目视觉无法测量尺度单目纯旋转运动无法估计快速运动时易丢失

将 IMU 定位与视觉/GNSS 的位姿直接进行融合,融合过程对二者本身不产生影响,作为后处理方式输出。典型方案为卡尔曼滤波器。
在这里插入图片描述

融合过程本身会影响视觉和 IMU 中的参数(如 IMU 的零偏和视觉的尺度)。典型方案为MSCKF和非线性优化。
在这里插入图片描述

在这里插入图片描述

相关四元数的知识可以参考我的这篇文章，下面推导一下四元数时间导数:
设初始旋转为 q = [s, v],然后,发生了角轴为 ω, θ 的旋转(右乘,对应四元数记作 ∆q),那么 q 相对该旋转的导数为:
在这里插入图片描述

使用旋转矩阵 R 时,角速度为 ω,那么 R 相对于时间的导数可写作:
在这里插入图片描述
该式被称为泊松公式(Possion’s equation),其中∧为反对称矩阵算子:

旋转点的左扰动雅可比（可以参考我的这篇博客）:
在这里插入图片描述
旋转点的右扰动雅可比（可以参考我的这篇博客）:

旋转连乘的雅可比:

关注