【开源分享】VIDO-SLAM：一种视觉惯性动态物体SLAM系统

文章：Inertial-Only Optimization for Visual-Inertial Initialization

作者：Carlos Campos, Jose M.M. Montiel and Juan D. Tard ´ os´

代码：https://github.com/bxh1/VIDO-SLAM.git

编译：点云PCL

本文仅做学术分享，如有侵权，请联系删除。欢迎各位加入免费知识星球，获取PDF论文，欢迎转发朋友圈。内容如有错误欢迎评论留言，未经允许请勿转载！

公众号致力于分享点云处理，SLAM，三维视觉，高精地图相关的文章与技术，欢迎各位加入我们，一起每交流一起进步,有兴趣的可联系微信：920177957。本文来自点云PCL博主的分享，未经作者允许请勿转载，欢迎各位同学积极分享和交流。

摘要

VIDO-SLAM是一种视觉惯性动态物体SLAM系统，能够估计相机姿态，使用单目相机进行视觉惯性SLAM，跟踪动态物体，算法无论是否使用IMU，都可以提供了使用单目相机在Kaist数据集中运行SLAM系统。

历史文章：【开源分享】VDO-SLAM:基于视觉的动态SLAM感知系统

实现了功能包括：

（1）将MonoDepth2、FlowNet和MaskRcnn与可在基于ROS的SLAM系统中实时运行

（2）实现了室外场景中的视觉惯导SLAM

（3）跟踪和估计动态对象的运动

‍

主要内容及贡献

这篇文章在视觉惯导SLAM初始化中的工作的主要贡献有:

（1）考虑IMU噪声的概率模型的情况下，将视觉-惯性初始化问题表述为只考虑惯的最优估计问题。

（2）一次性求解了所有的惯性参数，避免了解耦估计所产生的不一致性，这使得所有的估计都是一致。

（3）不做任何初始速度和姿态的假设，这使得该方法适用于任何初始情况。

（4）不假设IMU偏差为零，且将它们的已知信息编码为被我们的MAP估计所利用的概率先验。

根据不同传感器初始化方法可以分为三个步骤:

仅视觉的最大后验估计：使用BA初始化并运行短时间的单目ORB-SLAM，以获得一个纯视觉MAP估算的 up-to-scale，同时，计算关键帧间的IMU预积分及其协方差。

仅惯导的最大后验估计：仅针对惯性的优化，使IMU轨迹与ORB-SLAM轨迹对齐，找到尺度，关键帧的速度、重力方向和IMU偏差 biases。

视觉-惯导的联合最大后验：将上一步的解作为完整VI-BA的种子，得到联合最优解。

具体细节可查看原文：

https://arxiv.org/pdf/2003.05766.pdf

实验

下表展示了EuRoC数据集中每0.5s进行一次初始化的结果统计：

视觉惯性BA前后，通过不同初始化方法沿EuRoC数据集的所有序列获得的比例因子（估计和真值比例之间的比率）的实验分布，总共启动了2248次初始化。如下图：

与原始ORBSLAM-VI和VINS Mono的比较结果。

代码依赖：

• ROS

• PyTorch (Version: 1.4.0)

• GPU (at least 8GB of memory)

• OpenCV

• Pangolin

• g2o

• Eigen

相关文章：

Jun Zhang, Mina Henein, Robert Mahony and Viorela Ila. VDO-SLAM: A Visual Dynamic Object-aware SLAM System. Submitted to The International Journal of Robotics Research. IJRR (Under Review).

Carlos Campos, J. M. M. Montiel and Juan D. Tardós, Inertial-Only Optimization for Visual-Inertial Initialization, ICRA 2020.

总结

所提出的初始化方法比大多文献中的方法更精确，计算时间非常短，这证实了最优估计理论能够正确利用传感器噪声的概率模型，获得比求解线性方程组或使用非加权最小二乘法更精确的结果。

资源

三维点云论文及相关应用分享

【点云论文速读】基于激光雷达的里程计及3D点云地图中的定位方法

3D目标检测：MV3D-Net

三维点云分割综述（上）

3D-MiniNet: 从点云中学习2D表示以实现快速有效的3D LIDAR语义分割（2020）

win下使用QT添加VTK插件实现点云可视化GUI

JSNet：3D点云的联合实例和语义分割

大场景三维点云的语义分割综述

PCL中outofcore模块---基于核外八叉树的大规模点云的显示

基于局部凹凸性进行目标分割

基于三维卷积神经网络的点云标记

点云的超体素(SuperVoxel)

基于超点图的大规模点云分割

更多文章可查看：点云学习历史文章大汇总

SLAM及AR相关分享

【开源方案共享】ORB-SLAM3开源啦！

【论文速读】AVP-SLAM：自动泊车系统中的语义SLAM

【点云论文速读】StructSLAM:结构化线特征SLAM

SLAM和AR综述

常用的3D深度相机

AR设备单目视觉惯导SLAM算法综述与评价

SLAM综述(4)激光与视觉融合SLAM

Kimera实时重建的语义SLAM系统

SLAM综述(3)-视觉与惯导，视觉与深度学习SLAM

易扩展的SLAM框架-OpenVSLAM

高翔：非结构化道路激光SLAM中的挑战

SLAM综述之Lidar SLAM

基于鱼眼相机的SLAM方法介绍

如果你对本文感兴趣，请后台发送“知识星球”获取二维码，务必按照“姓名+学校/公司+研究方向”备注加入免费知识星球，免费下载pdf文档，和更多热爱分享的小伙伴一起交流吧！

以上内容如有错误请留言评论，欢迎指正交流。如有侵权，请联系删除

扫描二维码

                   关注我们

让我们一起分享一起学习吧！期待有想法，乐于分享的小伙伴加入免费星球注入爱分享的新鲜活力。分享的主题包含但不限于三维视觉，点云，高精地图，自动驾驶，以及机器人等相关的领域。

分享及合作方式：微信“920177957”（需要按要求备注） 联系邮箱：dianyunpcl@163.com，欢迎企业来联系公众号展开合作。

点一下“在看”你会更好看耶