第七章——VINS系统初始化

前言

这一章主要内容是讲的VINS系统初始化的事，内容上还是比较全面丰满的，有一些有疑问的点我之后读了代码会在博客里补上。一句话总结初始化：以优化量与观测值构建残差，提取优化量构成最小二乘问题

内容

1. IMU和相机旋转外参$q_{bc}$以及角速度计（陀螺仪）的bias

在这一部分的初始化过程中，我们已知的信息有：

1. 相机以一定频率采样得到的帧图像（可提取出相机旋转信息）
2. IMU以一定频率采样得到的角速度值（同样可提取出IMU旋转信息）

旋转外参$q_{bc}$我们认为在相机位移过程中是不会改变的，如果$q_{bc}$给的准，那么对于每一帧匹配的相机和IMU旋转信息，我们从相机帧k->相机帧k+1->IMU帧k+1，或是从相机帧k->IMU帧k->IMU帧k+1的旋转变换的误差应该是趋向于0的，所以我们构建了如下所示的最小二乘问题求取$q_{bc}$：

这里加入了鲁棒核函数，具体鲁棒核函数的构造这里我不截了，说一下思路：以上述误差角进行阈值的判断

同样基于上面的已知信息，在这里我们还多知道一个前提，也就是$q_{bc}$，本来是可以精确计算出各个旋转矩阵的，但是由于bias的存在，$q_{b_k{b}_{k+1}}$将存在误差，从而导致转一个圆回来后的旋转矩阵不是单位矩阵。每两帧都将提供一个误差信息，我们希望找到一个bias使得所有帧的误差最小化（也就相当于静止初始化的求平均过程），因此我们构建了如下所示的最小二乘问题：

有关于该问题对于bias的雅可比矩阵我本来是有所疑问的，感谢这位博主的讲解手写VIO-初始化第三部分，另外强推该博主的手写VIO专栏，都是高质量的梳理代码逻辑的文章，这里我把博主关于这个问题如何化成Ax=b的形式的推导记录在下面：

2. 初始化关键帧相机的速度，初始帧的重力方向、相机相对位移转化到世界坐标系的尺度信息

在这个问题中，我们已知的信息又多了两个：各关键帧之间的平移信息，也就是说相机的相对平移以及IMU关于速度和位置的预积分我们都是知道的。
这里新增了一项VINS中关于初始帧重力方向的处理，把它处理成已知一维信息的二维约束问题，相当于把可变量减少了一维，构建的优化量如下：

我们可以利用上面的已知信息，根据预积分公式，计算出预积分的值，再与IMU给出的预积分结果形成残差
构建的最小二乘形式如下：

根据优化给出的初始帧重力加速度方向，我们可以把相机初始帧对齐到世界坐标系下，从而以世界坐标系来进行相关操作

3. VINS初始化存在的一些疑问以及解答

• Q1：优化给出的初始帧重力加速度方向是不准的，那么对齐过程也是不准的，这会对后续优化过程带来哪些影响
• A1：在后续对齐过程中，我们使用的不再是$R_{W{C}_0}$，而是对应帧到世界坐标系的旋转矩阵，而这个是后端优化过程中的优化量，所以是在不断修正的，也就是对齐过程是不断变好的，初始给定的不准也将被修正
• Q2：加速度 bias 为何没有估计
• A2：因为相对于重力加速度，加速度bias是否初始化的影响很小，所以忽略了它的初始化
• Q3：平移外参数 $p_{bc}$ 为何没有初始化
• A3：平移是一个线性函数，它的初始值是多少不会影响优化曲线，这与旋转初始值是不同的，所以我们可以不关心它的初始值（也可以把它放在之后的优化量中去得到）