小觅智能 ｜MSCKF 学习笔记

转载自：https://mp.weixin.qq.com/s/shxmOtDOSVZn_eQKgs8LBw

小觅智能 ｜MSCKF 学习笔记

知乎觅 MYNTAI小觅智能 2019-10-31

VIO 目前实现比较好的有 Vins-mono , OKVIS , MSCKF ，前两个是基于非线性优化的方案而且框架比较相似，小觅也做过详细介绍啦～这次着重介绍基于滤波优化的方案的 MSCKF ，MSCKF 是由 Mourikis 于 2007 年提出，全称是 Multi-State Constraint Kalman Filter，其核心思路在于利用帧间的几何多视约束，并且不需要保存 3D 点的状态信息。遗憾的是目前没有开源，不过宾夕法尼亚的 Kumar 实验室在 2018 年有一个相似的工作，目前已经开源在 Github 上：github.com/KumarRobotic

MSCKF 的整体系统流程：

• IMU 预测

• 视觉跟踪

• 视觉增广

• 视觉更新—选老点或者看不见的点

• 视觉更新—边缘化

• 剔除老帧

图 | 出自深蓝学院公开课

可以看出 MSCKF 侧重的是快速的姿态跟踪，而没有全局地图的优化。

MSCKF 优缺点：

优点：

计算复杂度低，精度也还不错

缺点：

后端是卡尔曼滤波，无法用到全局的信息进行全局的优化，没有回环检测

小觅双目摄像头跑 MSCKF 实测：

推荐使用 Kalibr 标定哦，精确的标定很重要， 双目和 IMU 在硬件级别的同步，是效果好的关键～