单目视觉VIO无法估计尺度,而单目视觉惯性系统(VINS)可以估计尺度、俯仰角、侧倾角,并且可以在光照条件不佳、产生运动模糊的时候在视觉跟踪之间提升运动跟踪效果。
vins也存在一些难点,首先是严格的初始化程序,vins系统需要以特定的角度开机,并且一开始要小心缓慢地移动,否则无法融合视觉和惯性信息,并且vins系统是高度非线性的,因此限制了vins系统的使用场景。
vins mono系统存在以下优点:稳定的初始化过程、基于紧耦合和优化的IMU外参和零偏估计、在线重定位和四自由度全局位姿优化、位子图重用。
视觉惯性系统可以分为松耦合和紧耦合视觉惯性系统。松耦合视觉惯性系统中IMU数据是独立的模块,用于辅助视觉信息,例如在EKF中,IMU积分位姿用于提供先验初值,视觉里程计由于更新后验。紧耦合视觉惯性系统使用IMU数据和视觉里程计的数据共同优化位姿。
在数据预处理模块中,在上一帧已经存在的特征点会使用LK光流法计算出在当前帧中的位置,并且额外提取一部分的特征点,使得特征点数量满足一定要求,然后进行特征点均匀化,使用对极几何RANSAC算法排除外点。
关键帧的选定策略存在两个标准,分别是视差和跟踪质量,如果视差大于阈值并且跟踪的内点大于阈值,则当前帧会被选定为关键帧。
【无标题】
于 2022-06-15 09:48:59 首次发布