关于VINS-MONO的介绍后续

最新推荐文章于 2024-08-08 08:27:07 发布

theworld666

最新推荐文章于 2024-08-08 08:27:07 发布

阅读量458

点赞数

本文链接：https://blog.csdn.net/theworld666/article/details/106534460

版权

关于VINS-MONO的介绍后续

备注：(博主提前说明论文里的东西并没有被我完全选取，我只挑选了一些相对创新或对我有启发意义的部分进行介绍)

在许多SLAM算法中都采用了滑动窗口算法，vins也不例外，在这里我们来详细介绍一下sliding windows算法。

滑动窗口算法内容：
滑动窗口里存储着不断找到的关键帧。当要加入一张帧的时候，如果当前帧是关键帧，则丢弃滑动窗口内最老的图像帧（相当于队列满了之后出队），同时对与该图像帧关联的约束项进行边缘化处理。
在这里插入图片描述
那么如果当前帧不是关键帧，我们要如何处理呢如果当前帧不是关键帧，则丢弃当前帧的前一帧。因为当前帧不是关键帧表明当前帧与前一帧视差很小，即当前帧和前一帧很相似，这种情况下就直接丢弃前一帧，然后用当前帧代替前一帧。就可以不对前一帧进行边缘化，因此当前帧与地图点之间的约束和前一帧与地图点之间的约束是很接近的，直接丢弃并不会造成整个约束关系丢失信息。这里需要注意的是，要把当前帧和前一帧之间的 IMU 预积分转换为当前帧和前二帧（前一帧的前一帧）之间的 IMU 预积分。

** 在紧耦合中的重定位**

重定位用于当跟踪特征点跟丢，重新进行匹配的工作（用于找回当前位姿状态的估计）

重定位过程有效地使单目VIO(VI)维持的当前滑动窗口与过去的位姿图对齐。在重定位过程中，我们将所有回环帧的位姿作为常量。利用所有IMU测量值、局部视觉测量和从回环中提取特征对应值，共同优化滑动窗口（我们在前面介绍过的）。我们可以轻松地为回环帧v观察到的检索特征编写视觉测量模型，使其与VIO中的视觉测量相同。唯一的区别是，从位姿图或直接从上一个里程计的输出（如果这是第一次重定位）获得的回环帧的姿态(qˆwv,pˆwv)(q^vw,pvw) (\hat q_v^w,\hat p_v^w)(qvw,p^vw)被视为常数。为此，我们可以在中稍微修改非线性代价函数，增加回环项：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-96CoGEDe-1591194338897)(C:\Users\admin\Desktop\博客1\2.png)]$

VINS MONO的全局位姿图优化（4自由度）

在前面的VIO紧耦合重定位后，局部滑动窗口移动并与过去的位姿对齐。利用重定位结果，开发了额外的位姿图优化步骤，以确保过去位姿集注册到全局一致的配置中。
由于视觉惯性的建立使翻滚角和俯仰角完全可观测，累积漂移只发生在四个自由度(x，y，z和yaw)。为此，我们忽视对无漂移翻滚和俯仰状态的估计，在接下里的优化中只进行四自由度位姿图的优化。

A. 在位姿图中添加关键帧
当关键帧从滑动窗口被边缘化时，它将被添加到位姿图中。这个关键帧在位姿图中作为顶点，它通过两种类型的边与其他顶点连接：
1）顺序边：关键帧将建立与之前关键帧的若干顺序边。顺序边表示局部滑动窗口中两个关键帧之间的相对转换，其值直接从VIO中获取。考虑到新边缘化的关键帧i及其先前的一个关键帧j，顺序边所存储的信息只包含相对位置和偏航角。
2）回环边：如果新边缘化的关键帧有一个回环连接，它将与回环帧通过一个回环边在位姿图图中连接。同样，闭环边缘只包含与(27)相同定义的四自由度相对位姿变换。回环边的值由重定位结果得出。

我们将帧i和j之间边的残差定义为：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-FK6Lzgob-1591194338900)(C:\Users\admin\Desktop\博客1\3.png)]$

过最小化以下代价函数，对顺序边和回环边的整个图进行优化：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pFw7ino9-1591194338901)(C:\Users\admin\Desktop\博客1\4.png)]$

其中S是所有顺序边的集合，L是回环边的集合。尽管紧耦合的重定位已经有助于消除错误的回环，但我们添加了另一个Huber范数 ρ(·)，以进一步减少任何可能的错误回环的影响。相反，我们不对顺序边使用任何鲁棒范数，因为这些边是从VIO中提取出来的，VIO已经包含了足够多的外点排除机制。
位姿图优化和重定位(VII-C)异步运行在两个独立的线程中。以便在需要重定位时，能立即使用最优化的位姿图。同样，即使当前的位姿图优化尚未完成，仍然可以使用现有的位姿图配置进行重新定位。

位姿图。同样，即使当前的位姿图优化尚未完成，仍然可以使用现有的位姿图配置进行重新定位。