手写VIO --学习笔记 - Part6

已于 2022-08-20 11:40:21 修改
阅读量1.1k 收藏
点赞数
分类专栏： SLAM 文章标签： VIO ROS IMU
于 2022-03-26 09:14:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48592526/article/details/123333257
版权
本文是手写VIO学习笔记的第六部分，重点讨论了VIO系统的后端优化算法，包括不同后端算法的优缺点及应用场景，并对比了ORB-SLAM2、DSO和Tango。此外，还分析了前端的重要性，特征点的选择，光流法的运用及其局限性。笔记中详细解释了为什么需要关键帧，以及关键帧选取策略。最后，通过代码和实验展示了三角化过程中最小奇异值与噪声方差的关系，以及增加观测图像帧数对三角化结果的影响。
摘要由CSDN通过智能技术生成

目录

笔记

  • 前端：提取特征点，追踪相机Pose，定位相机（tracking）
  • 后端：提供全局优化或滑动窗口优化（mapping）
    在这里插入图片描述

关于后端

• 在实现中，尽管后端存在明显的理论差异，但很难直观体验在最终精度上。
在这里插入图片描述

  • 在很多实际场合，很难回答某种后端算法是否明确优于另一种。
  • 例如：

ORB-SLAM2 使用Covisibility-Graph;
DSO 使用带边缘化的滑

了解本专栏 订阅专栏 解锁全文 超级会员免费看
昼行plus
关注
专栏目录
订阅专栏
手写VIO --学习笔记 - Part2
～勿据散客～的博客
02-22 1224
1、设置IMU仿真中的不同的参数，生成allen方差标定曲线 allan 方差工具： https://github.com/gaowenliang/imu_utils ​https://github.com/rpng/kalibr_allan 1.1 imu_utils 环境配置 安装依赖库 sudo apt-get install libdw-dev 编译code_utils mkdir -p catkin_ws/src cd ~/catkin_ws/src git clone https://gi
从零开始手写VIO 第5期(Lesson 2)
baidu_34319491的博客
10-08 433
从零开始手写VIO 第5期(Lesson 2) 本文是VIO课程的第二节课，权当自己的总结，由于github可能比较慢，所以放在了gitee，链接参见下方源码位置，欢迎大家参考，更新不易，如需转载，请著名出处，谢谢。 课程内容回顾 第二节主要讲解了VIO中用到的IMU噪声相关的知识以及标定方法 1 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: 作业采用kalibr_allan标定工具 1.1 参数1 gyro_bias_sigma = 0.00005 \quad
学习VIO的进阶笔记
To be a better man
01-13 191
已知一个矢量[x1,x2,x3]T[x_1,x_2,x_3]^T[x1​,x2​,x3​]T,求该向量的反对称矩阵是[0−x3x2x30−x1x2x10] \left[ \begin{matrix} 0 & -x_3 & x_2 \\ x_3 & 0 & -x_1 \\ x_2 & x_1 & 0 \end{matrix} \right] ⎣⎡​0x3​x2​​−x3​0x1​​x2​−x1​0​⎦⎤​ ...
VIO系统介绍
xiaojinger_123的博客
07-16 1万+
VIO（visual-inertial odometry）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertial system），是融合相机和IMU数据实现SLAM的算法，根据融合框架的区别又分为紧耦合和松耦合，松耦合中视觉运动估计和惯导运动估计系统是两个独立的模块，将每个模块的输出结果进行融合，而紧耦合则是使用两个传感器的原始数据共同估计一组变量，传感器噪声也是相互影响的，紧耦合算法上比较复杂，但充分利用了传感器数据，可以实现更好的效果，是目前研究的重点。 IMU与视觉比较 相机
【从零手写VIO】——概述与课程介绍——回顾与基础
Amazingren的博客
07-04 1498
一、三维刚体运动 习惯是从右往左！ 本课程中的一些约定： I就是B，有的叫做IMU坐标系，有的叫做Body坐标系 下面是值得注意的一些约定！ 二、四元数 旋转矩阵R可以用单位四元数q来描述！ 四元数中的运算： 一圈里面一个乘号专门指的就是四元数之间的乘法！记住记住！ 具体的知识点下面自己贴自己的学习笔记！ 四元数对时间的导数 下面的这个取对数就是把矩阵转成向...
手写VIO --学习笔记 - Part5
～勿据散客～的博客
03-14 1633
1、 参考 手写VIO后端分析（手写VIO总结五） 手写VIO课后作业（五） 从零开始手写VIO第五章作业（含关键点的参考资料） 深蓝学院《从零开始手写VIO》作业5 深蓝学院《从零开始手写VIO》作业五 有道云笔记 高翔，张涛等《视觉SLAM十四讲》p186-p197 ...
手写VIO --学习笔记 - Part1
～勿据散客～的博客
02-19 1133
一、VIO文献阅读 阅读VIO 相关综述文献[a]，回答以下问题： 1、视觉与IMU进行融合之后有何优势？ IMU：(Inertial Measurement Unit)，惯性测量单元 典型6轴 IMU 以较高频率（≥100Hz\ge 100Hz≥100Hz）返回被测量物体的角速度与加速度 短时间内，IMU的精度很高 受自身温度、零偏、振动等因素干扰，积分得到的平移和旋转容易漂移 视觉：(Visual Odometry) 以图像形式记录数据，频率较低（15−60Hz15-60Hz15−60Hz 居多）
手写VIO --学习笔记 - Part4
～勿据散客～的博客
03-09 1092
1、信息矩阵分析 2、证明信息矩阵和协方差的逆之间的关系 阅读《Relationship between the Hessian and Covariance Matrix for Gaussian Random Variables》 证明信息矩阵和协方差的逆之间的关系 3、Bundle Adjustment信息矩阵的计算 参考 从零手写VIO——（四）基于滑动窗口算法的 VIO 系统：可观性和一致性（上）舒尔补 从零手写VIO——（四）基于滑动窗口算法的 VIO 系统：可观性和一致性（下）滑动窗口算法 手
手写VIO学习总结（一）
蒋成的博客
11-02 2906
文章目录1.简介作业1.1作业1.2作业1.2 1.简介 贺一家和高博合作推出了一个关于 VIO 的课程，此课程主要为VIO学习者提供学习资源。VIO不仅应用在无人车、机器人，还应用于手机 AR 等领域。可以说，VIO 已成为 vSLAM 算法工程师的必备技能。课程介绍如下： 本博客主要记录学习课程的笔记和课程的作业。 作业1.1 阅读VIO 相关综述文献如a，回答以下问题： • 视觉与IMU ...
从零开始手写 VIO
热门推荐
知行合一
05-13 1万+
前言 最近和高博合作推出了一个关于 VIO 的课程，借此博客推荐下。这个课程的图优化后端是我们自己写的，仅依赖 Eigen, 实现后系统的精度和 ceres 以及 g2o 不相上下。 个人感觉这个课程还是能学到不少东西，特别是网上关于 SLAM 后端的资料比较少。 下面是一些关于这个课程的介绍： 这两年视觉 SLAM 相当火了，作为面试官常常感叹现在的小伙伴比我们那会厉害多了，简历中一般都会说熟悉...
从入门到放弃——VO小白学习VIO系列（1）VINS环境搭建
qq_43535779的博客
11-30 5673
从入门到放弃——VO小白学习VIO系列之VINS（1）前言入门知识VINS环境的搭建安装Ubuntu16.06安装ROS可能遇到的问题及解决方法 前言 这是我第一次写CSDN，首要目的是记录学习VIO的过程，其次这些年在网上看了这么多的技术分享，享受着知识共享的便利，觉得自己也是时候做出一些贡献了，再次顺便锻炼一下语言表述能力。 因为本系列文章是随做随写，记录的是本人从VO小白开始，学习VIO的一...
手写VIO第六讲之前端
sunshine
02-16 670
手写VIO第六讲之前端 文章目录手写VIO第六讲之前端一、前端的工作二、特征点提取、匹配和光流三、关键帧与三角化3.1关键帧3.2 三角化 1、SLAM的框架： 前端：提取特征点，追踪相机pose，定位相机 后端：提供全局优化或者滑动窗口优化（后端优化主要有两种方式：基于滤波和基于优化的方式） 2、前端的具体步骤： 初始化 正常追踪 丢失处理 3、相机和路标的建模以及初始化 对于相机pos...
第四周实践课-课堂笔记.pdf
09-16
第四周实践课-课堂笔记
第5周玩转案例分析(2).pdf
09-16
第5周玩转案例分析(2)
第7周实践课安排.pdf
09-16
第7周实践课安排
基于MATLAB m编程的发动机最优工作曲线计算程序（OOL），在此工作曲线下，发动机燃油消耗最小 文件内含：1、发动机最优工
09-16
基于MATLAB m编程的发动机最优工作曲线计算程序（OOL），在此工作曲线下，发动机燃油消耗最小。 文件内含：1、发动机最优工作曲线计算程序m文件；2、发动机万有特性数据excel文件 注：附赠电机效率map绘制程序（m程序）与对应电机效率map数据（excel ）
前端监控SDK，可用来收集并上报：代码报错、性能数据、页面录屏、用户行为、白屏检测等个性化指标数据_web-see.zip
最新发布
09-16
前端监控SDK，可用来收集并上报：代码报错、性能数据、页面录屏、用户行为、白屏检测等个性化指标数据_web-see
财务报表分析与内部控制.ppt
09-16
财务报表分析与内部控制.ppt
Viola-Jones算法：实时目标检测框架解析
"这篇文章是关于Vio-Jones算法的原文，源自2001年在加拿大温哥华举行的第二国际视觉理论研讨会。作者Paul Viola和Michael Jones详细介绍了他们提出的实时鲁棒对象检测框架，该框架能快速处理图像并保持高检测率。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

昼行plus

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值