matlab双目相机标定校正_MSCKF那些事（八）算法改进1：双目扩展与外参在线标定...

1. 改进思路

接下来的章节中会介绍MSCKF的各种改进方法，目的都是为了提高VIO的精度、稳定性、鲁棒性，其中大部分是为了提高精度。VIO的核心是视觉和IMU的融合，所以不论是滤波方法（MSCKF）还是优化方法（VINS），改进的思路都可以从IMU、视觉和融合这三方面着手：

• 提升IMU
  • 更高精度的IMU
  • 更准的IMU标定模型
  • 更高的采样频率（200HZ, 500HZ, 1000HZ）
  • 更高精度的IMU积分方法：Euler, Midpoint, RK4
• 提升视觉
  • 提升图像质量：高动态范围相机，ISP，前端直方图均衡化
  • 增加图像观测：加大FOV，扩展双目或多目
  • 使用性能更好的特征：SURF, SIFT
  • 全局快门
• 提升融合算法
  • 数据同步：传感器数据同步对VIO精度影响非常大，对数据做硬件同步、软件同步，还可以将同步误差
    加到算法中实时估计，进一步降低同步误差的影响。
  • 标定参数估计：包括相机内参标定、IMU与相机之间外参标定、双目外参标定，标定参数不准也会影响算法精度，可以将标定参数加入到算法中，以标定结果作为初始值，在VIO过程中实时估计内外参。
  • 视觉观测模型扩展：视觉观测约束越多，状态估计精度越高。一方面可以扩展双目或多目，观测模型中加入更多的残差项；另一方面可以引入直线等特征，在环境纹理不足时提高精度。
  • 能观性改进：理论上VIO位姿有4个维度是不能观的，包括3DoF全局位置和1DoF绕重力轴的旋转（Yaw角），而MSCKF中Yaw角被错误的能观了，这就产生了Inconsistency，使得算法精度变差。通过合理调整EKF系统的线性化点（FEJ）来改变系统的能观性秩，从而提升算法精度。