VINS-mono 初探

1.简介

1.1 简要描述

• Vins-mono是香港科技大学开源的一个VIO算法，https://github.com/HKUST-Aerial-Robotics/VINS-Mono，是用紧耦合方法实现的，通过单目+IMU恢复出尺度，效果非常棒。

VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator 的设计思路主要突出两点：

1. 针对于单目的鲁棒性很强的VIO 系统
2. 通用性很强的VIO框架

1.2 vins-mon 概述

解读vins-mono

• 首先 Measurement Preprocessing (Vision Processing Front End + IMU Preintegration Processing)开始 ;
  负责提取并跟踪每个新图像帧的特征，及帧间IMU数据预积分。
• 然后通过一个松耦合的方式来做初始化；
  提供了激活非线性系统的必要初始值，如姿态、速度、重力向量、陀螺仪偏差及3D特征位置。
• 再通过一个紧耦合的方式来做 Local Visual-inertial Odometry；
  通过联合优化所有的视觉、惯性信息求解滑窗内的状态。

下面为整个工程的流程图：

1.3 各文件夹功能

文件夹	主要功能
ar_demo	视觉定位的一个小demo
benchmark_publisher	订阅估计的estimated_odometry, 然后与 . csv_files 中的groundtruth对比
camera_model	订阅相机的话题，保存成图片，用于相机校准，支持鱼眼相机，针孔相机
config	配置参数文件
feature_tracker	使用光流法追踪特征点
pose_graph	后端优化
support_files	帮助文档、Bow字典、Brief模板文件
vins_estimator	状态估计

1.4 算法模块

1. 预处理
   图像特征光流跟踪
   IMU数据预积分
2. 初始化
   纯视觉Sfm
   Sfm与IMU积分的松耦合
3. 基于滑动窗口的非线性优化实现紧耦合
4. 回环检测与重定位
5. 四自由度位姿图优化

Measurement Preprocessing 过程

• Visual Preprocessing 每一帧图像特征点提取和 KLT稀疏光流追踪
• IMU Preprocessing 两帧图像之间IMU预积分
• Keyframe Selection

2. 运行

2.1 ros运行

• roscore
• rosbag play MH_01_easy.bag --clock
• roslaunch vins_estimator euroc.launch
• roslaunch vins_estimator vins_rviz.launch

2.2 数据流