imu 里程计融合_轮式编码器和VIO的融合（二）

论文

VINS on Wheels

发布于2017年的ICRA

vins的可观性分析

对于原本的vins系统，只有4个不可观的方向（位置和yaw角），但是对于在平面运动的vins系统，随着运动模式的不同，不可观性的自由度会增加。本文提出并证明了在两种状况下vins的自由度增加的结果，证明过程也可以参考论文[1]（我是不会推导）。

匀加速运动会导致尺度的不客观，没有旋转的运动会导致除yaw角之外，roll和pitch角也会不可观。如果机器人有上述的运动的话，会导致通过vins得到的信息矩阵成为病态矩阵，甚至是是不满秩，因此会退化定位的结果。总上所述，为了解决上述的问题，本文将vins与轮速计进行融合。

vins加上里程计

大多数的地面车辆都配备了轮式编码器，可以提供每个车轮的运动信息，这些信息经常是伴有噪声的，低频的，可能只有间歇性的可靠测量。另一方面，这些信息包含了在匀加速情况下必要的尺度信息。利用Odometer的内参，可以得到轮式编码器的2D线速度和角速度，公式如下:

其中，

分别为左轮和右轮的旋转速度，

为左轮和游轮的半径，a为左轮和右轮之间的距离。该过程为航迹推演，可以参考博客[2]。 </