从零手写VIO学习记录——系列七：【VIO系统初始化】（学习记录 | 作业 | 代码）

本系列主要根据深蓝学院《视觉SLAM进阶：从零开始手写VIO》。博客主要以本人在课程学习过程中的作业和修改的代码为主。如需详细视频及PPT，请联系深蓝学院相关人员。

代码已上传github: https://github.com/why-freedom/VIOLearning_Note_Code.git（有用话给个star >_<）

本节是VIO的重点，主要是VINS的鲁棒初始化：外参估计，重力估计对齐

1. 初始化主要有以下几个问题：

   1. IMU怎么和世界坐标系对齐？
   2. 单目视觉姿态如何和IMU轨迹对齐，尺度如何获取？
   3. VIO系统的初始化速度v，传感器bias等如何估计？
   4. IMU和相机之间的外参数等如何估计？

2. 视觉和IMU对齐流程：

   1. 旋转外参数未知，则先估计旋转参数：主要利用IMU旋转积分$q_{b_k{b}_{k+1}}$和视觉测量$q_{c_k{c}_{k+1}}$
   2. 已知旋转外参数，利用旋转约束估计陀螺仪bias
   3. 利用平移约束估计重力方向，速度，以及尺度初始值
   4. 对重力向量g进行进一步优化
   5. 求解世界坐标系和初始化相机坐标系之间的旋转矩阵，并将轨迹对齐到世界坐标系。

3. 关于加速度bias为何没有估计？
   量很小，影响不大。

4. 平移外参数为何没有初始化？
   陀螺仪bias对平移影响是线性的，对系统影响不大

详细参考论文：
1、Zhenfei Yang and Shaojie Shen. “Monocular visual–inertial state estimation with online initialization and camera–IMU extrinsic calibration”. In: IEEE Transactions on Automation Science and Engineering 14.1 (2016), pp. 39–51.
2、Tong Qin and Shaojie Shen. “Robust initialization of monocular visual-inertial estimation on aerial robots”. In: 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). IEEE. 2017, pp. 4225–4232

本节作业是讲第二节的仿真数据集（视觉特征，IMU）接入到VIO系统中，对结果进行评估：