VIO外参标定方法总结

2024-04-26 20:20
文章标签 总结 方法 vio 标定 外参

本文主要是介绍VIO外参标定方法总结,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!

一、前言

VIO外参标定是指相机和IMU之间的转移矩阵的确定,包括3×3的旋转矩阵和3维平移向量。整体上分为离线标定和在线标定两类方法,这篇文章做一个总结,主要是经典的方法,记录其思想。

二、博文链接

1、离线标定方法

最基本的当然就是人工手动标定了,但这样不仅费力,并且误差大不够准确,作为初始猜测还可以。

VIO最知名的离线标定工具就是Kalibr了。

GitHub - ethz-asl/kalibr: The Kalibr visual-inertial calibration toolboxThe Kalibr visual-inertial calibration toolbox. Contribute to ethz-asl/kalibr development by creating an account on GitHub.icon-default.png?t=N7T8https://github.com/ethz-asl/kalibrKalibr标定的基本原理

https://www.cnblogs.com/mybrave/p/9675936.htmlicon-default.png?t=N7T8https://www.cnblogs.com/mybrave/p/9675936.html

camera-imu内外参标定 - 知乎在vio系统中,camera-imu间内外参精确与否对整个定位精度起着重要的作用。所以良好的标定结果是定位系统的前提工作。 目前标定算法主要分为离线和在线标定,离线标定以kalibr为代表,能够标定camera内参、camera-i…icon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/68863677Camera-IMU联合标定原理 | AI技术聚合Camera-IMU联合标定原理一.相机投影模型二.IMU 模型三.Camera-IMU标定模型(一) 相机-IMU旋转(二) 相机-IMU平移(三) 视觉惯性代价函数四. camera-imu联合标定(一) 粗略估计camera与imu之间时间延时(二) 获取imu-camera之间初始旋转,还有一些必要的初始值:重…icon-default.png?t=N7T8https://aitechtogether.com/python/142928.html手眼标定

机器人视觉标定(二)手眼标定 - 知乎在(一)中已经介绍了线结构光标定,通过线结构光可以得到物体被照射激光部分的相机三维坐标。当机械手臂安装了线结构光传感器后,相当于被安装了眼睛,得到相机三维坐标相当于眼睛看到了物体的位置,这时就需要眼睛…icon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/78855930

2、在线标定方法

VINS-mono外参标定原理
https://zhuanlan.zhihu.com/p/413096765icon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/413096765解放双手|教你进行相机与IMU外参的在线标定 - 计算机视觉life的文章 - 知乎
https://zhuanlan.zhihu.com/p/70760958icon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/70760958

三、VIO在线外参标定典型方法详解

1、自动标定:

单目相机通过对极几何和随机采样一致性确定两帧图像之间的相对旋转,IMU可以得到自己坐标系下的前后两帧图像之间相对旋转,根据手眼标定方法,结合多帧数据,可以得到关于旋转的超定方程,利用优化方法则可以得到相机和IMU之间的旋转外参。

2、在线估计:

求外参残差关于位移和旋转的雅可比

四、VINS-mono的外参标定

VINS-mono上使用的外参自动标定与在线标定算法,来自Monocular_VisualInertial_State_Estimation_With_Online_Initialization_and_CameraIMU_Extrinsic_Calibration这篇论文。整体的流程方法如下:

手眼标定原理:

结合上图, 相邻Camera关键帧对应pose可以由两种方式(为后面构建方程铺垫):

a.八点法算法(solveRelativeR)

b.Imu预积分并与结合

标定转换

红色线蓝色线得到的变换值理论上应该相同,则可通过假设从Camera坐标系到Imu坐标系相对旋转量为即q和R ,进一步可构建方程并求解(vins-mono使用SVD求解方法)

根据手眼标定原理与上述原理,得到(4),转换成四元数格式,经过整理得到形如Ax=0的(7)式。

在求解过程中,因为上面在求解帧间的R、T变换时是用对极约束算法,该方法避免不了有错误的匹配等(outlier),因此对Ax=0中A矩阵加权计算从而增加在线标定结果鲁棒性,加权的计算方式(近似the Huber norm计算方式)参考作者引用的标定论文中的式8、9,如下

为什么奇异值大于0.25才认为标定成功?

代码中ric_cov(1) > 0.25,为倒数第二小的奇异值。最小的奇异值接近0(奇异值大于0,且通常前面几个大的奇异值总和能占所有奇异值总和的一大部分),这里给了个阈值,看其是否足够大,每个奇异值大小可以理解为分方向的力度大小。这边用0.25来限定倒数第二小的奇异值,是判断不为0的奇异解中,最终求解的奇异值是否是只有一个接近于0,最优解只有一个,如果有多个接近0,都很小的话,那么该最小奇异解很可能不是最优,从而间接可以判断在标定过程中是否有充足的旋转等。

速度,姿态,特征深度和相机- IMU平移的线性初始化:一旦相机- IMU旋转固定,我们可以估计相机- IMU的平移,同时初始化速度,姿态和特征深度,以及IMU相对于初始参考帧的姿态。线性初始化通过最小化滑动窗口内IMU和单目相机所有测量误差的马氏范数之和进行最大似然估计。

值得注意的是,在这个线性初始化阶段,我们重用了用于相机- IMU旋转标定的传感器测量值,但

固定为常数。我们还直接使用陀螺仪测量值短期积分得到的增量和相对旋转。由于这种线性初始化通常只能在几秒内完成,直接使用IMU旋转不会造成明显的漂移。

进一步细化:

VINS-Mono在获得旋转变换之后,在进行VIO的过程中,将相机与IMU外参作为优化参数在整个算法运行过程中进行矫正,从而保证外参的准确性。

在状态初始化和获得相机- IMU标定后,进行了滑动窗口非线性估计器,以进行高精度的状态估计和标定优化。这是文献[ 7 ]和文献[ 8 ]的扩展,将相机- IMU标定纳入非线性优化中。由于非线性优化中的大量参数与线性初始化中的参数具有相同的物理意义,这里我们通过重用符号来表示状态向量( X )、雅克比矩阵( H、F、G)、协方差矩阵( P , Q)和信息矩阵( A ),从而引入了符号的轻微滥用。

全状态的定义类似于线性情况,除了全6 - DOF相机- IMU变换包含在状态向量中。同样将重力矢量替换为四元数,对IMU平动和转动(转置再次被忽略)进行联合优化,我们最小化所有测量残差的马氏范数之和以获得最大后验估计。

我们使用误差状态表示法[ 6 ]将非线性系统( 23 )线性化,并使用具有Huber范数的Gauss - Newton算法[ 30 ]求解,以实现鲁棒的异常值剔除。位置、速度和特征深度等线性分量的残差可以很容易地定义为最新状态估计的补充。

这篇关于VIO外参标定方法总结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!



http://www.chinasem.cn/article/938567

相关文章

Windows 上如果忘记了 MySQL 密码 重置密码的两种方法

《Windows上如果忘记了MySQL密码重置密码的两种方法》:本文主要介绍Windows上如果忘记了MySQL密码重置密码的两种方法,本文通过两种方法结合实例代码给大家介绍的非常详细,感... 目录方法 1:以跳过权限验证模式启动 mysql 并重置密码方法 2:使用 my.ini 文件的临时配置在 Wi

MySQL重复数据处理的七种高效方法

《MySQL重复数据处理的七种高效方法》你是不是也曾遇到过这样的烦恼:明明系统测试时一切正常,上线后却频频出现重复数据,大批量导数据时,总有那么几条不听话的记录导致整个事务莫名回滚,今天,我就跟大家分... 目录1. 重复数据插入问题分析1.1 问题本质1.2 常见场景图2. 基础解决方案:使用异常捕获3.

最详细安装 PostgreSQL方法及常见问题解决

《最详细安装PostgreSQL方法及常见问题解决》:本文主要介绍最详细安装PostgreSQL方法及常见问题解决,介绍了在Windows系统上安装PostgreSQL及Linux系统上安装Po... 目录一、在 Windows 系统上安装 PostgreSQL1. 下载 PostgreSQL 安装包2.

SQL中redo log 刷⼊磁盘的常见方法

《SQL中redolog刷⼊磁盘的常见方法》本文主要介绍了SQL中redolog刷⼊磁盘的常见方法,将redolog刷入磁盘的方法确保了数据的持久性和一致性,下面就来具体介绍一下,感兴趣的可以了解... 目录Redo Log 刷入磁盘的方法Redo Log 刷入磁盘的过程代码示例(伪代码)在数据库系统中,r

Python实现图片分割的多种方法总结

《Python实现图片分割的多种方法总结》图片分割是图像处理中的一个重要任务,它的目标是将图像划分为多个区域或者对象,本文为大家整理了一些常用的分割方法,大家可以根据需求自行选择... 目录1. 基于传统图像处理的分割方法(1) 使用固定阈值分割图片(2) 自适应阈值分割(3) 使用图像边缘检测分割(4)

Java中Switch Case多个条件处理方法举例

《Java中SwitchCase多个条件处理方法举例》Java中switch语句用于根据变量值执行不同代码块,适用于多个条件的处理,:本文主要介绍Java中SwitchCase多个条件处理的相... 目录前言基本语法处理多个条件示例1:合并相同代码的多个case示例2:通过字符串合并多个case进阶用法使用

Python中__init__方法使用的深度解析

《Python中__init__方法使用的深度解析》在Python的面向对象编程(OOP)体系中,__init__方法如同建造房屋时的奠基仪式——它定义了对象诞生时的初始状态,下面我们就来深入了解下_... 目录一、__init__的基因图谱二、初始化过程的魔法时刻继承链中的初始化顺序self参数的奥秘默认

html5的响应式布局的方法示例详解

《html5的响应式布局的方法示例详解》:本文主要介绍了HTML5中使用媒体查询和Flexbox进行响应式布局的方法,简要介绍了CSSGrid布局的基础知识和如何实现自动换行的网格布局,详细内容请阅读本文,希望能对你有所帮助... 一 使用媒体查询响应式布局        使用的参数@media这是常用的

Windows Docker端口占用错误及解决方案总结

《WindowsDocker端口占用错误及解决方案总结》在Windows环境下使用Docker容器时,端口占用错误是开发和运维中常见且棘手的问题,本文将深入剖析该问题的成因,介绍如何通过查看端口分配... 目录引言Windows docker 端口占用错误及解决方案汇总端口冲突形成原因解析诊断当前端口情况解

Spring 基于XML配置 bean管理 Bean-IOC的方法

《Spring基于XML配置bean管理Bean-IOC的方法》:本文主要介绍Spring基于XML配置bean管理Bean-IOC的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一... 目录一. spring学习的核心内容二. 基于 XML 配置 bean1. 通过类型来获取 bean2. 通过