VIO（1）：简介以及基础知识

一 VIO简介

VIO（Visual-Ineritial Odemetry）是以视觉和IMU融合的里程计。

IMU(Inertial Meaurement Unit)，惯性测量单元

• 典型6轴IMU以较高频率（ 100Hz）返回被测量物体的角速度和加速度
• 受自身温度，零飘，振动等因素干扰，积分得到的平移和旋转容易漂移

视觉里程计Visual Odometry

• 以图像的形式记录数据，频率较低（15-60Hz）
• 通过图像特征点或像素推测相机运动

IMU与视觉历程计的优缺点如下：

可以看出视觉和IMU在定位方面各有优缺点，但他们的优缺点又是可以互补的：

• IMU适合计算短时间，快速运动
• 视觉适合计算长时间，慢速运动

同时可以利用视觉定位来估计IMU的零偏，减少IMU由零偏导致的发散和累积误差；反之，IMU可以为视觉提供快速运动时的定位。

融合方案分为松耦合和紧耦合：

紧耦合是直接使用图像特征和IMU的位置信息来尽心优化定位结果，而松耦合则融合视觉里程计以及IMU的结果来给出最优的定位结果。

主流落地的项目基本都是使用的紧耦合的融合方法，因为：

• 单凭（单目）视觉或则IMU都不具备估计Pose的能力：视觉存在尺度不确定性，IMU存在零偏导致漂移
• 松耦合中，视觉内部BA没有IMU的信息，在整体层面来看不是最优的
• 紧耦合可以一次性建模所有的运动和测量信息，更容易的达到最优

二 基础知识

2.1 三维刚体运动

首先是定义各个坐标系的名称：

• 世界坐标系 W；
• IMU坐标系 I；
• 相机坐标系 C；

坐标系之间的变换关系由一个SE(3)给出，如从I变换到W的变换矩阵记作：；

其中是一个3*3的旋转矩阵，而则是3*1的平移向量。右乘一个IMU坐标系下的（其次）坐标，就可以得到该点在世界坐标系下的坐标。

2.2 四元数

知乎上大神放在Github上对于四元数介绍，详细地说明了四元数怎么来的，还有各种动图来解释。

https://github.com/Krasjet/quaternion/tree/master/demo/slerp_cube

https://krasjet.github.io/quaternion/quaternion.pdf

四元数是表示旋转向量的另一种形式，可以用四个数来同时表达旋转轴和旋转角度。可以将旋转矩阵R用四元数q来描述。四元数有一个实部和三个虚部，一般会把虚部写在前面，记为：

或

其中第一个元素为实部，后面三个为虚部。实部是标量，而虚部为矢量，所以也可以记作

同时类似于旋转矩阵的乘法，四元数同样也定义了乘法运算：

考虑某一个绕旋转轴为单位向量旋转的旋转运动，它对应的四元数q可以表示为

当旋转为微小量时，这时候的四元数的变化为：

那么四元数对于时间的导数就是

2.3 旋转矩阵求导

对于旋转矩阵R，他的角速度矩阵记作w，那么它的导数可以表示为

这个公式称为泊松公式（Possion‘s equation），其中称为反对称矩阵算子：

同样也可以记作或则

Github上大神的笔记