- 博客(7)
- 收藏
- 关注
原创 位姿估计 | SVO 论文与代码分析分讲
位姿估计代码主框架在 FrameHandlerMono::processFrame()。稀疏图像对齐(直接法)代码主要在 SparseImgAlign。使用稀疏直接法计算两帧之间的初始相机位姿T_cur_from_ref:根据last_frame_的特征点 和last_frame_与new_frame_的相对位姿,建立损失函数(两帧之间稀疏的 4x4 的 patch 的光度误差)Spar...
2019-05-31 10:55:40 647
原创 初始化 | SVO 论文与代码分析分讲
论文: SVO: Fast Semi-Direct Monocular Visual Odometry代码(注释版):https://github.com/cggos/svo_cgSVO 结合了直接法和特征点法,称为 半直接单目视觉里程计。初始化获取第一关键帧和第二关键帧的相对位姿,并建立初始地图,代码主要在 initialization.cpp 中。1)处理第一帧FrameHandl...
2019-05-27 09:21:52 432
原创 小觅智能 | VINS-kidnap 学习笔记
最近沈劭劼老师实验室又新出了一篇论文,提出了一种多世界坐标系统的相对计算和处理的全功能系统,能够减少测距漂移,从复杂的 kidnap 场景(相机被遮挡)和随机的测距故障中恢复。感谢沈老师开源,项目地址:HKUST-Aerial-Robotics/VINS-kidnap。VINS-kidnap 主要亮点:作为 VINS-Fusion 的附加组件是一个功能齐全的系统,它使用全图像特征点进行位置表示...
2019-05-27 09:10:11 686
原创 重定位 | VINS-Mono 论文公式推导与代码解析分讲
4. 重定位4.1 Loop DetectionVins-Mono 利用词袋 DBoW2 做 Keyframe Database 的构建和查询。在建立闭环检测的数据库时,关键帧的 Features 包括两部分:VIO 部分的 200 个强角点 和 500个 Fast 角点,然后描述子使用 BRIEF (因为旋转可观,匹配过程中对旋转有一定的适应性,所以不用使用ORB)。Describe fe...
2019-05-17 16:45:43 644
原创 后端优化 | VINS-Mono 论文公式推导与代码解析分讲
3. 后端优化(紧耦合)VIO 紧耦合方案的主要思路就是通过将基于视觉构造的残差项和基于IMU构造的残差项放在一起构造成一个联合优化的问题,整个优化问题的最优解即可认为是比较准确的状态估计。为了限制优化变量的数目,VINS-Mono 采用了滑动窗口的形式,滑动窗口 中的 全状态量:滑动窗口内 n+1 个所有相机的状态(包括位置、朝向、速度、加速度计 bias 和陀螺仪 bias)Cam...
2019-05-17 16:00:36 1705
原创 初始化 | VINS-Mono 论文公式推导与代码解析分讲
初始化(松耦合)在提取的图像的Features和做完IMU的预积分之后,进入了系统的初始化环节,主要的目的有以下两个:系统使用单目相机,如果没有一个良好的尺度估计,就无法对两个传感器做进一步的融合,这个时候需要恢复出尺度;要对IMU进行初始化,IMU会受到bias的影响,所以要得到IMU的bias。所以我们要从初始化中恢复出尺度、重力、速度以及IMU的bias,因为视觉(SFM)在初始...
2019-05-13 10:29:56 972
原创 预处理 | VINS-Mono 论文公式推导与代码解析分讲
概述Monocular visual-inertial odometry with relocalization achieved via nonlinear graph optimization-based, tightly-coupled, sliding window, visual-inertial bundle adjustment.代码(注释版):cggos/vins_mono_...
2019-05-13 10:08:33 834
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人