weixin_43242765的博客

参考：https://blog.csdn.net/qq_41839222/article/details/86552367标定参考：https://blog.csdn.net/xiaoxiaoyikesu/article/details/105646064安装kalibr：https://github.com/ethz-asl/kalibr/wiki/installation问题1：在安装依赖sudo pip install python-igraph --upgrade时，报错：Command "

VINS-MONO的初始化主要分为两个部分：纯视觉的SFM和视觉惯导联合。这篇主要写SFM，下一篇写视觉惯导联合。首先用视觉的SFM求解滑窗内所有帧的位姿，和所有路标点的3D位置，然后跟IMU预积分的值对齐，求解重力方向、尺度因子、陀螺仪的bias和每一帧对应的速度。在初始化之前，我们已经得到了名为all_image_frame的map，里面存有滑窗中的所有图像帧，包括这一帧对应的特征点3D坐标（未知）、预积分（已知）、是否为特征点（已知）、旋转和平移（未知）。1、通过重力的标准差确保IMU有足够的激

在上一篇文章的预积分完成之后，VINS-MONO执行了这个函数，实现了视觉与IMU的初始化以及非线性优化的紧耦合，本篇先考虑初始化。1、首先搞清楚这个函数的输入image是个什么东西：estimator.processImage(image, img_msg->header);measurement是一组观测（一帧图像和若干IMU数据），数据类型是std::pair<std::vector<sensor_msgs::ImuConstPtr>, sensor_msgs::Poin

这个系列记录一下学习VINS-MONO源码的学习过程，可能会有一些我自己的理解，大概率会出现一些错误，希望各位及时指出。从estimator_node.cpp的主线程process()开始说起，在getMeasurements之后，我们得到了若干组measurement，也就是两个关键帧之间的若干个IMU数据和一个关键帧的图像数据。对于每个measurement，取出所有的IMU数据，执行send_imu函数，计算两个IMU数据之间的时间间隔dt，把线加速度和角速度数据传递给预积分函数estimator.