vins-fusion配置文件

euroc_stereo_imu_config.yaml为其中部分的配置文件。

%YAML:1.0

#common parameters
#support: 1 imu 1 cam; 1 imu 2 cam: 2 cam; 
imu: 1         
num_of_cam: 2  

imu_topic: "/imu0"
image0_topic: "/cam0/image_raw"
image1_topic: "/cam1/image_raw"
output_path: "~/output/"

cam0_calib: "cam0_mei.yaml"
cam1_calib: "cam1_mei.yaml"
image_width: 752
image_height: 480
   

# Extrinsic parameter between IMU and Camera.
# IMU和Camera之间的外部参数。
estimate_extrinsic: 0  
# 有一个准确的外在参数。我们将信任以下imu^R_cam，imu^T_cam，不要更改它。
# 0  Have an accurate extrinsic parameters. We will trust the following imu^R_cam, imu^T_cam, don't change it.

# 对外部参数有一个初步的猜测。我们将围绕您的初步猜测进行优化
# 1  Have an initial guess about extrinsic parameters. We will optimize around your initial guess.

body_T_cam0: !!opencv-matrix
   rows: 4
   cols: 4
   dt: d
   data: [0.0148655429818, -0.999880929698, 0.00414029679422, -0.0216401454975,
           0.999557249008, 0.0149672133247, 0.025715529948,  -0.064676986768,
           -0.0257744366974, 0.00375618835797, 0.999660727178, 0.00981073058949,
           0, 0, 0, 1]

body_T_cam1: !!opencv-matrix
   rows: 4
   cols: 4
   dt: d
   data: [0.0125552670891, -0.999755099723, 0.0182237714554, -0.0198435579556,
           0.999598781151, 0.0130119051815, 0.0251588363115, 0.0453689425024,
          -0.0253898008918, 0.0179005838253, 0.999517347078, 0.00786212447038,
          0, 0, 0, 1]

#Multiple thread support
multiple_thread: 1

#feature traker paprameters

# 特征跟踪中的最大特征数
max_cnt: 150            # max feature number in feature tracking

# 两个特征之间的最小距离
min_dist: 30            # min distance between two features 

# 发布跟踪结果的频率（Hz）。至少10Hz用于良好的估计。如果设置为0，频率将与原始图像相同
freq: 10                # frequence (Hz) of publish tracking result. At least 10Hz for good estimation. If set 0, the frequence will be same as raw image 
# 事务阈值（像素）
F_threshold: 1.0        # ransac threshold (pixel)
# 将跟踪图像作为主题发布
show_track: 1           # publish tracking image as topic
# 执行前向和后向光流以提高特征跟踪精度
flow_back: 1            # perform forward and backward optical flow to improve feature tracking accuracy

#optimization parameters

# 最大求解器迭代时间（ms），以保证实时性
max_solver_time: 0.04  # max solver itration time (ms), to guarantee real time

# 最大求解器迭代次数，以保证实时性
max_num_iterations: 8   # max solver itrations, to guarantee real time

# 关键帧选择阈值（像素）
keyframe_parallax: 10.0 # keyframe selection threshold (pixel)

#imu parameters       The more accurate parameters you provide, the better performance

# 加速度计测量噪声标准偏差。
acc_n: 0.1          # accelerometer measurement noise standard deviation. 

# 陀螺仪测量噪声标准偏差。
gyr_n: 0.01         # gyroscope measurement noise standard deviation. 

# 加速度计偏置随机工作噪声标准偏差
acc_w: 0.001        # accelerometer bias random work noise standard deviation.  

# 陀螺偏置随机工作噪声标准差
gyr_w: 0.0001       # gyroscope bias random work noise standard deviation.  

# 重力加速度
g_norm: 9.81007     # gravity magnitude

#unsynchronization parameters

# 在线估计摄像机和imu之间的时间偏移
estimate_td: 0                      # online estimate time offset between camera and imu

# 时间偏移的初始值。单位：s.读取图像时钟+td=真实图像时钟（IMU时钟）
td: 0.0                             # initial value of time offset. unit: s. readed image clock + td = real image clock (IMU clock)

#loop closure parameters
# 加载并重用先前的姿态图；从“pose_graph_save_path”加载
load_previous_pose_graph: 0        # load and reuse previous pose graph; load from 'pose_graph_save_path'

# 保存和加载路径
pose_graph_save_path: "~/output/pose_graph/" # save and load path

# 将图像保存在姿势图中以进行可视化；可以通过设置0关闭此功能
save_image: 1                   # save image in pose graph for visualization prupose; you can close this function by setting 0 

void cv::calcOpticalFlowPyrLK	(	InputArray 	prevImg,
InputArray 	nextImg,
InputArray 	prevPts,
InputOutputArray 	nextPts,
OutputArray 	status,
OutputArray 	err,
Size 	winSize = Size(21, 21),
int 	maxLevel = 3,
TermCriteria 	criteria = TermCriteria(TermCriteria::COUNT+TermCriteria::EPS, 30, 0.01),
int 	flags = 0,
double 	minEigThreshold = 1e-4 
)	

PrevImg	由buildOpticalFlowPyramid构造的第一个8位输入图像或金字塔。
nextImg	与prevImg具有相同大小和相同类型的第二输入图像或金字塔。
PrevPts	需要找到流量的2D点的向量;点坐标必须是单精度浮点数。
nextPts	包含所计算的第二图像中的输入特征的新位置的2D点（具有单精度浮点坐标）的输出向量;当传递OPTFLOW_USE_INITIAL_FLOW标志时，向量必须具有与输入中相同的大小。
status	输出状态向量（无符号字符）;如果已经找到对应特征的流，则将向量的每个元素设置为1，否则将其设置为0。
err	误差输出向量;将向量的每个元素设置为对应特征的误差，可以在标志参数中设置误差测量的类型;如果未找到流，则未定义错误（使用status参数查找此类情况）。
winsize	每个金字塔级别的搜索窗口的大小。
maxLevel	0-基于最大金字塔层数;如果设置为0，则不使用金字塔（单个级别），如果设置为1，则使用两个级别，依此类推;如果将金字塔传递给输入，则算法将使用金字塔的层数，但不超过maxLevel。
TermCriteria	参数，指定迭代搜索算法的终止标准（在指定的最大迭代次数criteria.maxCount之后或当搜索窗口移动小于criteriaε时）。
flags	操作标志： OPTFLOW_USE_INITIAL_FLOW使用存储在nextPts中的初始估计;如果未设置标志，则prevPts被复制到nextPts，并被认为是初始估计。 OPTFLOW_LK_GET_MIN_EIGENVALS使用最小特征值作为误差度量（参见minEigThreshold描述）;如果未设置该标志，则将原始点和移动点周围的补片之间的L1距离除以窗口中的像素数用作误差度量。
minEigThreshold	该算法计算光流方程的2 × 2标准矩阵（该矩阵在[33]中被称为空间梯度矩阵）的最小特征值，除以窗口中的像素数;如果该值小于minEigThreshold，则相应特征被过滤掉并且其流不被处理，因此它允许移除坏点并获得性能提升。

int cvRound	(	double 	value	)	

• 将浮点数舍入为最接近的整数。
• 参数
  • value 浮点数如果该值超出INT_MIN ... INT_MAX范围，结果未定义。