【VIO笔记（学习VINS的必备基础）】第七讲 VINS系统构建

系列教程来自某学院，侵权删除。
学习完这一系列课程再去看VINS才能做到不吃力，不然直接撸网上的各种VINS解析完全云里雾里-_-!

这一讲是本系列的最后一讲，我们会对之前的内容进行一个回顾，并对VINS系统进行研究。

VIO基础回顾

IMU基础回顾

预积分的作用是为了避免世界坐标系和body系下的变换，如上图中红色的表示预积分值，而每个小黑点代表一个IMU测量，通过预积分就可以约束两帧图像之间的变换，IMU的传感器模型如下：

预积分的公式如下：

另外还有一点是IMU的协方差传递，由于每一个小黑点测量时都有一个测量误差，那么我们后来运用的预计分量也就存在误差，那么一段时间内多个误差的传递就要用到协方差的传递，最后用来估计预积分的不确定度。

视觉基础回顾

这部分在第六讲刚刚讲过，主要在视觉部分如何获取相机的变换。

1. 对于两帧图像，我们要先进行特征点的提取和匹配。
2. 已知俩图像特征匹配点:利用对极几何约束 (E 矩阵,H 矩阵),计算两图像之间的 pose。
3. 已知相机pose后，通过三角化获取特征点的三维坐标。
4. 此时当新来一帧图像时，由于共视关系会出现已知3d点和2d特征点的情况，此时我们使用PnP来求新相机的pose。

在纯视觉的vSlam中，前三步就完成了相机的初始化，但是此时我们是在系统内部形成了尺度，并不知道系统在实际3D空间中的米制信息。

问题探讨

上图就是一个VIO系统，在我们了解了视觉和IMU分别是如何工作之后，我们还需要考虑一些问题：

1. IMU 怎么和世界坐标系对齐,计算初始时刻的 $q_{w{b}_0}$?
2. 单目视觉姿态如何和 IMU 轨迹对齐,尺度如何获取?
3. VIO 系统的初始速度 v,传感器 bias 等如何估计?
4. IMU 和相机之间的外参数等

这就是VIO系统初始化时需要考虑的一些问题，下面我们一一来进行分析。

VINS初始化

视觉和IMU之间存在着一定的联系，利用这些几何的约束，我们就可以进行初始化，对于下面这幅图：

使用外参数$q_{bc}$、$t_{bc}$可以获得下面两个式子，记为式3，第一行表示从bk位置变换到c0位置的旋转变换，第二行中s表示尺度因子，带bar的p：$\bar{p}$表示非米制单位下，也就是系统内部的单位下的位移，第二行的式子就表示bk到c0的位置变换。

对第二行的式子进行变换可以得到非米制单位下ck到c0的位置变换：

这几个量会在后面的公式推到中用到。下面我们先对视觉 IMU 对齐流程做一个梳理：

1. 旋转外参数 $q_{bc}$ 未知, 则先估计旋转外参数。
2. 利用旋转约束估计陀螺仪 bias，旋转约束就是式3的第一行。
3. 利用平移约束估计重力方向,速度,以及尺度初始值，平移约束就是式3的第二行。
4. 对重力向量 $g^{c_0}$ 进行进一步优化
5. 求解世界坐标系 w 和初始相机坐标系 c0 之间的旋转矩阵 q w c 0 q_{wc_0} q