VIO主流框架&VINS推导解析 第二次看的笔记

现在再看这个视频和我五个多月前看这个视频的感受就不一样了

https://www.bilibili.com/video/BV1gb411a7bh?from=search&seid=15057309362272648788

这里说SLAM其实就是一个BA问题

使得重投影误差最小。

BA更多像一个地基一样的东西

误差相对于优化变量的雅可比

从这个图看还是比较好理解的

 意思是通过优化相机位姿和路标点来降低重投影误差,使得这个重投影误差的协方差最小?

是不是这么理解就非常清晰了!!!!就变为一个典型的优化问题。

有了雅可比矩阵之后就可以得到它的海森矩阵

 

 

 现在看这些就看得懂了。右边感觉不就是高翔说的镐形矩阵么。现在再去看 《视觉SLAM十四讲》的 9.2.3 小节就看得懂了!!!!!里面说的雅可比矩阵和嗨森矩阵也就清楚了。

蓝色的线是IMU的约束,就是比如第0帧和第一帧之间的rb01     注意这里C是相机   X是路标点

用因子图表示的话就不用写得像上面那么复杂,因子图可以很好地把这个问题表示出来,用因子图可以很好地去理清我们的思路。

 

我怎么感觉化为因子图还更麻烦了,不化因子图我还看得懂,现在发现似乎因子图和图优化是两个东西。图优化用原本的图就可以了。就下面这种图就可以了,这种图我还看得懂好理解。

 

怪不得高飞这么评价因子图,我现在理解了。

是的,图优化或者位姿图优化和因子图是两个东西,区分清楚。

  • 3
    点赞
  • 28
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 主流的视觉惯性里程计(Visual-Inertial Odometry,VIO)技术是一种通过结合相机和惯性测量单元(Inertial Measurement Unit,IMU)数据实现同时定位和地图构建的方法。 在传统的视觉里程计(Visual Odometry,VO)中,只使用相机图像来计算相机相对于环境的运动,但由于相机本身的缺陷(如遮挡、光照变化等),单独使用相机可能会导致较大的误差。而IMU则可以提供相机的姿态和加速度的信息,可以补偿相机固有的缺陷,并帮助解决跟踪丢失或纯旋转运动时的问题。 主流VIO技术通常采用过滤器或优化方法进行姿态估计和状态估计。其中,利用卡尔曼滤波或扩展卡尔曼滤波的方法常用于姿态估计,可以将IMU和相机数据进行融合,提高定位的鲁棒性。另外,利用非线性优化算法如图优化等,可以进一步提高定位的精度,构建更精确的地图。 值得一提的是,在VIO技术中,视觉惯性状态估计(Visual-Inertial State Estimation,VISE)和视觉惯性前方视觉里程计(Visual-Inertial Forward视觉里程计,VINS)是两种常用的方案。VISE主要侧重于估计相机的位姿和IMU的状态,并将它们集成到一个优化框架中。而VINS则进一步考虑了前向观测的约束,通过优化相邻帧之间的相对位姿估计,进一步提高了位置的估计精度。 总之,主流VIO技术通过相机和IMU数据的融合,可以实现高精度、高鲁棒性的定位和地图构建。在VINS中,进一步引入前向观测的约束,可以进一步提高定位的准确性。这些技术的应用广泛,例如无人机、机器人导航、增强现实等领域。 ### 回答2: 主流VIO技术指的是视觉惯性里程计(Visual-Inertial Odometry,VIO)技术,它是一种将视觉传感器和惯性传感器结合使用来实现相机自身位置和姿态估计的方法。VIO技术在无人驾驶、机器人导航、增强现实等领域有着广泛的应用。 VIO技术的基本原理是通过从视觉传感器获取图像信息,结合惯性传感器测量的角速度和线性加速度,通过对图像和惯性数据的联合优化来计算相机的运动轨迹。主流VIO技术可以分为滤波器方法和优化方法两种类型。 滤波器方法包括扩展卡尔曼滤波(EKF)和无限融合滤波(IFM)两种。扩展卡尔曼滤波方法基于状态空间模型,通过对状态变量的预测和更新来实现相机位置和姿态的估计。无限融合滤波方法则通过融合视觉和惯性数据的观测量来实现估计。 优化方法包括非线性优化和光束法平差两种。非线性优化方法通过构建相机运动约束和视觉重投影误差,并采用非线性优化算法来求解最优解。光束法平差方法则通过迭代最小化重投影误差来优化相机运动和三维点云。 VINS(Visual-Inertial Navigation System)是一种基于VIO技术的导航系统。VINS系统不仅仅用于估计相机的运动轨迹,还可以实现更精确的位置和姿态估计以及三维目标重建。VINS系统通常包括前端和后端两个部分。前端负责提取图像特征、跟踪特征点、计算相机运动估计等任务,而后端则负责对前端输出的位姿估计进行优化,进一步提升精度。 总而言之,VIO技术通过结合视觉和惯性传感器的信息,能够实现精确的相机运动估计,用于导航和地图构建等应用。VINS作为VIO技术的一种应用形式,能够提供更精确的位置和姿态估计,有着广泛的应用前景。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值