本文详细介绍了VINS系统中IMU融合的初始化过程，包括外参旋转矩阵的初始化，速度、重力方向、特征深度及平移矩阵的初始化。通过Harris特征匹配和RANSAC算法恢复旋转矩阵，结合IMU预积分得到超定方程，利用最小二乘法求解。初始化判断依赖于IMU的三轴旋转和线加速度。此外，还讨论了视觉和IMU测量模型，以及陀螺仪偏置、速度、重力加速度和尺度的标定方法。最终，重力方向的确定用于世界坐标系与图像帧间的旋转和缩放，同时介绍了Marginalization策略以保持优化复杂度的稳定性。
1. 外参旋转矩阵初始化
在VINS的Feature Detection and Tracking模块中，用Harris特征匹配，通过F矩阵和RANSAC算法恢复出
；相应地使用IMU陀螺仪数据预积分得到
;
这两个测量量满足：
*
=
*
将测量得到的R用四元数表示，并用四元数的运算(左乘右乘)得到约束方程：
*
= 0
用多组数据得到超定方程：
*
= 0
通过求最小二乘解，得到
，
中包含Huber核权重，权重通过残差矩阵(IMU项与camera的findFundamentalMat所得旋转矩阵之间差别)计算得到，差别越大的
849
729
5132
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
