![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
vio
思考之路
这个作者很懒,什么都没留下…
展开
-
vio-视觉与IMU融合实现里程计(第六章)——视觉前端
算法耗时越多,效果越好. ORB使用的是带有描述子的特征点法(直接法比特征点法效果好),直接法可以利用特征点选取的多少来决定耗时的长短进而决定追踪效果的好怀.如果不插入关键帧,则会导致路标点深度信息一直不变,引起退化,插入关键帧后使用BA(光束法平差)将重投影误差进行平摊,使得后端对路标点的定位更加鲁棒.使用光流法对特征点或角点进行追踪时很容易丢失,而使用直接法进行追踪时曝光可能会受影响.放射变换包含了选中的该方块的旋转和平移。原创 2022-10-26 13:58:04 · 537 阅读 · 1 评论 -
vio-视觉与IMU融合实现里程计(第五章)——后端有化实践:逐行手写求解器
后端有化实践:逐行手写求解器原创 2022-10-25 14:22:46 · 394 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第四章)作业——基于滑动窗口算法的VIO系统:可观性和一致性
2.信息矩阵和协方差矩阵的逆之间的关系如下:3.原创 2022-10-24 20:19:41 · 349 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第三章)作业——基于优化的IMU和视觉信息融合
比较的结果是比方法三用时少(在第二个作业的基础上做修改)3.其他的阻尼更新策略。原创 2022-10-24 20:18:18 · 196 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第二章)——作业
1, 设置IMU仿真代码中的不同的参数,生成Allen方差标定曲线。课后习题中给出的代码中非ros的代码是用来处理第2题,显示离散时间下指定轨迹的角速度和加速度数据仿真,而ros的代码是用来生成静态的imu数据,用于allan方差标定曲线的,可以使用的工具有:imu_utils和kalibr_allan两种。对于ROS:专门生成静止IMU数据,用于allan方差标定1.1 使用imu_utils完成allan标定步骤ros下编译执行,生成imu.bagrosbag play -r 500 ..原创 2022-06-06 12:55:59 · 504 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第四章)——基于滑动窗口算法的VIO系统:可观性和一致性
第一节:从高斯分布到信息矩阵SLAM为什么使用最小二乘?本讲来看它的由来。∑−1\sum^{-1}∑−1放到EKF中相当于噪声矩阵Q,R,表示每次观测的有多准。第二节:舒尔补应用:边际概率,条件概率第三节:滑动窗口算法:图优化基础,基于边际概率的滑动窗口算法...原创 2022-05-25 17:17:19 · 461 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第三章)——基于优化的IMU和视觉信息融合
基于Bundle Adjustment的VIO融合通过调整q,p,使得预测值与观测值的平方误差或带权重的平方误差最小。∑\sum∑范数是调节各个误差分量的权重的矩阵_BA问题相机坐标系和IMU(body)坐标系之间可能有一个相对外参(R,t),图像采集的频率是30HZ,IMU采集到的频率是200HZ,使得相邻两张图像之间有多个IMU数据,需要通过预积分的方式,将两个相邻相机间多个IMU数据当作一个IMU来处理2.最小二乘的求解J代表梯度,Jd<0,最速下降法d的方向取J梯度的反方向..原创 2022-05-14 16:15:27 · 1258 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第二章)—— IMU传感器
注意:补充的部分用到了旋转矩阵的伴随性质。狄拉克函数,只有t1和t2相等时,函数值为1,其他时刻都为0.通常S阵是个单位阵。原创 2022-05-06 20:56:21 · 533 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第一章)——作业
1 视觉与IMU进行融合之后有何优势?IMU的缺点:加速计和陀螺仪均会受到零偏的影响,导致长时间积分后位姿会发生较大的漂移。相机的缺点:易受周围环境的影响,如弱纹理环境,光照明显的环境,多动态物体的环境,还会受到运动模糊的影响。相机和IMU是互补的关系,融合后会有以下优点: - 融合IMU可以恢复尺度,解决了单目尺度不确定的问题。 - 融合IMU可以提供一个较为准确的初始估计,防止非线性优化问题陷入局部最优解。 - 融合IMU可以解决单目纯旋转无法估计的问题,同时也可以在一定程度上解决图.原创 2022-05-05 18:57:48 · 1634 阅读 · 0 评论 -
vio-视觉与IMU融合实现里程计(第一章)—— vio概述和预备知识
VIO 概述我们之前学过的slam十四讲中相邻相机位姿的估计是由图像(视觉)来估计的,为了更好的进行里程计的状态估计引入互补的IMU单元(惯性测量单元)。之所以说IMU和视觉是互补的是因为IMU能测快的运动而视觉不能,但IMU也有自己的局限如漂移比较多,而视觉的漂移比较少。我们知道扫地机器人是有vo的odometry的,它的里程计(相对运动) 是可以通过底部的轮子转动的速度和转动的量来确定的,这是一种里程计的测量方式。相比于直接使用视觉的里程计测量由于不能快速的计算相对运动,所以我们融合了IMU即能快原创 2022-05-05 18:56:52 · 1865 阅读 · 1 评论