VIO学习笔记一

1. IMU（Inertial Measurement 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与加速度。受自身温度、零偏、振动等因素干扰，积分得到的平移和旋转容易漂移。IMU本身由一个陀螺仪和一个加速度计组成，分别测量自身的角速度和加速度。常用的6轴惯性测量单元类型为MEMS IMU，例如MPU 6050。

2. Visual Odometry（视觉里程计)

     以图像形式记录数据，频率较低（15−60Hz 居多），通过图像特征点或像素推断相机运动。

3. VIO (Visual-Inertial Odometry，视觉惯性里程计)

  （1）优劣势对比

    视觉和IMU定位方案存在一定互补性质：

    • IMU适合计算短时间、快速的运动； • 视觉适合计算长时间、慢速的运动；

    同时，可利用视觉定位信息来估计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。

方案	IMU	视觉
优势	快速响应 不受成像质量影响 角速度普遍比较准确 可估计绝对尺度	不产生漂移 直接测量旋转与平移
劣势	存在零偏 低精度IMU积分位姿分散 高精度价格昂贵	受图像遮挡，运动物体干扰 单目视觉无法测量尺度 单目纯旋转运动无法估计 快速运动时易丢失

  （2）融合方案

    紧耦合

    融合过程本身会影响视觉和 IMU中的参数（如IMU的零偏和视觉的尺度）。典型方案为MSCKF和非线性优化。

    松耦合

    将 IMU 定位与视觉/GNSS 的位姿直接进行融合，融合过程对二者本身不产生影响，作为后处理方式输出。典型方案为卡尔曼滤波器。

     使用紧耦合原因

     • 单纯凭（单目）视觉或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，更容易达到最优。

4. 其他

    由于SE(3)李代数性质复杂，在VIO中，我们通常使用SO(3)+t的形式表达旋转和平移。对平移部分使用矢量更新而非SE(3)上的更新。

 

以上博客内容为学习过程记录，如有错误，请各位指正。