本文主要是介绍VINS-Mono 论文解读(IMU预积分残差+Marg边缘化),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
目录
VIO引出原因:
融合方案:
本文贡献:
0、总体框架
0.1 数据预处理(IMU预积分见标题1)
0.2 初始化
A.滑动窗口(Sliding Window)纯视觉SfM
B. 视觉惯性校准(IMU预积分与视觉结构对齐)
0.3 紧耦合后端非线性优化(IMU约束+视觉约束+闭环约束)
A 公式
B IMU残差
C 视觉残差
D 边缘化 Marginalization(详见标题2)
E 相机速率下的状态估计--只有运动的VIO
0.4 重定位
A、回环检测(只对关键帧)
B、回环候选帧之间的特征匹配
C、紧耦合重定位
0.5 全局位姿图优化
A、位姿图中添加关键帧
B、4自由度位姿图优化
C、位姿图管理
1、IMU预积分
1.1、IMU模型
1.2、连续时间IMU运动模型,积分 PVQ(两帧之间)
1.3、运动模型的离散积分(前后IMU)
1.4、 IMU预积分
1.5、预积分量
1.6、预积分误差
这篇关于VINS-Mono 论文解读(IMU预积分残差+Marg边缘化)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!