无人机控制和规划都需要定位信息，飞控输出的位置信息一是精度低，二是室内环境无法使用，三是本身有漂移。港科大高飞博士在其最近的路径规划文章中均使用d435i跑vins来提供位置和姿态信息，本文记录整个调试过程与遇到的问题。

RealsenseD435i运行VINS-Mono等VIO算法获取IMU同步数据https://blog.csdn.net/qq_41839222/article/details/86552367萌新学VINS-Fusion

测试学习博客：https://blog.csdn.net/huanghaihui_123/article/details/86518880旧版代码包：https://github.com/slightech/MYNT-EYE-VINS-FUSION-Samples/tree/master小觅测试参考博客：https://blog.csdn.net/CSDN_XCS/article/details/

VINS-Fusion探索（一）：跑通开源数据集**背景最近项目要融合camera,imu和GPS,所以想到了港科大最新的开源框架VINS-Fusion.首先,肯定要把开源数据集跑通.

pts_i和pts_j：具体指什么含义？（分别为第l个路标点在第i,j个相机归一化相机坐标系中的观察到的坐标，P¯¯¯cil\bar{P}^{c_i}_lPˉlci和P¯¯¯cjl\bar{P}^{c_j}_lPˉlcj）；tangent_base：正切平面上的任意两个正交基（在构造函数中通过计算？被赋值）；静态数据成员sqrt_info和sum_t：在何时被赋值的呢？classProjectio

摘要为了提高机器人的鲁棒性和自主性，越来越多的传感器被安装在机器人上。我们已经看到了不同平台上安装的各种传感器套件，例如地面车辆上的立体摄像机、手机上带有IMU（惯性测量单元）的单目摄像机以及空中机器人上带有IMU的立体摄像机。虽然过去已经提出了许多状态估计算法，但它们通常应用于单个传感器或特定的传感器套件。它们中很少有能用于多传感器的情况。本文提出了一种通用的基于优化的多传感器里程估计框架。在我

基于滤波的方法主要有MSCKF、S-MSCKF、ROVIO等，基于非线性的方法主要有OKVIS、VINS-MONO、VINS-Fusion等。在这一节，主要分析S-MSCKF的理论推导和代码解读。

在运行VINS-MONO、VINS-Fusion等SLAM方案的时候，需要很准确的相机参数，否则很容易漂移。

使用RealsenseD435i运行VINS-FusionVINS-Fusion是基于双目的视觉惯导方案，不太符合我目前的需求，但这是我使用的第一个视觉SLAM方案，接下来还是简单记录下运行环境硬件环境：Up2、RealsenseD435i软件环境：Ubuntu18.04、ROSmelodic、librealsense2.29、realsense-ros2.2.9安装首先需要安装Ceres-sol

自己写着玩的,很多地方没写全或者不对,别问,问就是不知道,俺确实不知道~~文章目录estimator.cppgetIMUInterval()initFirstIMUPose()processIMU()processImage()optimization()边缘化旧帧边缘化新帧vector2double()double2vector()updateLatestStates()slideWindow(

VINS-Fusion基本介绍VINS-Fusion是继VINS-Mono和VINS-Mobile（单目视觉惯导SLAM方案）后，香港科技大学沈劭劼老师开源的双目视觉惯导SLAM方案，VINS-Fusion

代码连接：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion环境：这里和作者github主页一致，但由于条件有限，我使用的是虚拟机。

虽然要过年了，而且每天还要在家里小店打工，但是网红之路不能停对吧，这篇博客写关于VINS-Fusion和GPS的融合。

最近在忙别的事情，博客迟迟没更新，现在终于放假了，今天把初始化部分来分析一下。源码：https://github.com/HKUST-Aerial-Robotics/VINS-FusionprocessImage函数在介绍初始化之前，我们先从后端接收到数据开始。processImage函数就是后端解算位姿的函数。该函数的参数分别为上一讲最后得到的特征容器，和header中存储的时标。首先调用add

FirstshotCopythe.launchfileinpackageVINS-Fusiontothedirectoryofrealsense2_cameara/launch$cp/home/william/catkin_ws/src/VINS-Fusion

前言2019年1月11日，港科大VINS-Mono的团队发布了VINS的扩展版本——VINS-Fusion。

完成以下任务的前提是系统安装了必备的库，比如cere、Eigen3.3等一、相关论文T.Qin,J.Pan,S.CaoandS.Shen:AGeneralOptimization-basedFrameworkforLocalOdometryEstimationwithMultipleSensors.2019.二、数据集下载https://pan.baidu.com/s/1htFmXDE密码：uu2

关心vins-fusion，尤其是融合双目与imu那块。1.如何安装测试？

processImage(feature.second,feature.first);是Estimator类中的一个成员函数，原型为：voidprocessImage(constmap>>>&image,constdoubleheader);传入的实参来自于：feature=featureBuf.front();而其中的featureBuf则为Estimator类的一个数据成员，queue>>>>

感谢“slam萌新”，本篇博客部分参考：https://blog.csdn.net/weixin_41843971/article/details/86748719欢迎讨论。惯性视觉里程结果与GPS松耦合：github开源的是KITTI的数据集的测试代码。跟着程序走一遍。KITTIGPSTest.cpp主程序入口:vins_estimator包下面的KITTIGPSTest.cpp,主要作用：（1

SLAM新手，欢迎讨论。这篇主要讲loop_fusion包的程序结构，loop_fusion主要作用：利用词袋模型进行图像的回环检测。在vinsmono中，该程序包处于pose_graph包内。vins_fusion与vins_mono一个差别在于，回环检测的点云数据在mono中有回调供给VIO进行非线性优化，而在fusion中，VIO估计完全独立于回环检测的结果。即回环检测的全局估计会受到VIO

操作环境设备：MacBookpro2019，realsense-d435i系统：Ubuntu16.04lts准备工作标定首先标定摄像头，这里用kalibr对摄像头和imu进行联合标定（需要将acc和gyro打包成一个imutopic），具体看Realsensed435i驱动安装以及标定[Ubuntu16LTS]先说说标定的坑吧，kalibr标定用的图片，或者yaml文件格式下载需要科学上网。d43

Vins-Fusion源码：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion摘要应项目需要，侧重学习stereo+gps融合转载几篇写的比较好的博客

如果有错误请大家及时反馈,讨论:(精读的是港科大的vinsFuison代码;github地址:https://github.com/HKUST-Aerial-Robotics/VINS-Fusion.文件位置位于:VINS-Fusion

文章目录简介特征参考论文解读系统框图相机模型：配置文件全局优化闭环优化状态估计简介VINS-Fusionisanoptimization-basedmulti-sensorstateestimator,whichachievesaccurateself-localizationforautonomousapplications(drones,cars,andAR/VR).VINS-Fusionis

平台:ubuntu16.04+ROS问题描述：前两天VINS的原作者开源了VINS-Fusion的双目版以及给出了和GPS融合的一个demo，所以试着运行下数据集。

工作空间路径永久写入环境变量echo“source/home/q/Projects/catkin_ws_vins-fusion/devel/setup.sh”>>~/.bashrcsource~/.bashrcgedit~/.bashrc启动D435iroslaunchrealsense2_camerars_camera.launchrosrunvinsvins_node/home/q/Proje

VINS-Fusion分析因为时间原因，没有像vins-mono看的和写的那么具体。有时间的话我会补充完整版。

与vins-mono对比，vins-fusion在op

跑通VINS-Fusion全流程常规安装步骤详见官方1.ROS安装2.ceressolver安装3.VINS_Fusion安装4.KITTI数据集下载5.跑通KITTI数据集常规安装步骤详见官方https

港科大在2019年1月12号发布了Vins-fusion，从2017年发布的Vins-mono:单目+IMU，这次晋级了vins-fusion，demo中主要给出了四个版本：（1）单目+imu（2）纯双目

如何安装VINS-Fusion根据网址安装：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion先装ceres（网址中的改成：sudomakeinstall

换源由于Ubuntu自带的源速度极慢，因此换成国内的清华或者阿里等的源，百度一下换16.04的就好（别换成了14.04、18.04啥的就好）换好源之后sudoapt-getupdate;sudoapt-getupgrade;ceres安装#CMakesudoapt-getinstallcmake#google-glog+gflagssudoapt-getinstalllibgoogle-glog-

先贴两个对GPS融合的代码结构分析的博文，感谢博主们的分享。https://zhuanlan.zhihu.com/p/75492883https://blog.csdn.net/weixin_41843971/article/details/86748719希望读者先看看整体的代码结构，本文不再赘述，本文主要想把想到的GPS融合时坐标转换的一些细节分享给大家。GPS坐标系和vio坐标系的转换。在做

一、提前条件系统版本：ubuntu16.04+ROS（kinetic）默认已经掌握了ubuntu系统下的基本命令以及ROS的基本操作二、realsenseT265的SDK测试官方网站https://www.intelrealsense.com/get-started-tracking-camera/照着其中https://github.com/IntelRealSense/librealsense

1、使用KITTI数据集跑VINS，数据集制作参考，本文使用的是2011_09_26_0056。使用双目+ＩＭＵ，及之后融合激光雷达根据kitti数据集给出的标定参数，计算IMU-to-Cam0，IMU-to-Cam1。本文使用的是未同步的imu数据和同步的相机激光雷达数据。2、计算外参py脚本。也可以直接用MATLAB、Sophus等Tic0=Tiv∗Tvc0；Tic1=Tic0∗Tc0c1T_

VINS-FUSION源码框架及C++知识点总结VINS-FUSION程序架构前端函数功能解读后端初始化单目VIO初始化函数功能解读优化一，sfm二，optimization()1,添加相机状态变量参数

VINS-FUSION代码心得新人小白，第一次写博客，主要相当于自己做一个关于学习VINS的笔记，不喜勿喷，转载请注明出处。

代码下载链接：https://github.com/HKUST-Aerial-Robotics/VINS-Fusion环境UBUNTU，ceres1.13.0，ROSKinect编译新建文件夹vins-catkin_ws

VINS-FUSION源码双目单线程按执行顺序阅读Keywords：VINS-FUSIONvins源码解读源码梳理vins数据结构vinsfusionvins双目双目vins双目vinsfusion双目

文章目录简介配置执行单目+IMU双目+IMU双目相机双目+GPS落地备注：简介VINS，英文缩写Visual-InertialSystems.是一个实时视觉SLAM框架，2017年由香港科技大学开源的一个VIO算法。官方提供的下载链接：https://github.com/HKUST-Aerial-Robotics/VINS-Mono。经过一年多的优化，该团队又推出一套更强大的开源算法框架：VIN

视频截图：2分析2.1VSLAM根据经验，电脑屏幕上显示的是rviz，VSLAM具体是VINS，但不确定是VINS-mono，还是VINS-fusion，也不确定是单目+IMU，还是双目+IMU。

SLAM新手，欢迎讨论。关于vins_fusion的博客：1.初探：https://blog.csdn.net/huanghaihui_123/article/details/865188802.vio主体：https://blog.csdn.net/huanghaihui_123/article/details/866105623.vioGPS融合框架：https://blog.csdn.net

SLAM新手，欢迎讨论。IMU作用vins中，IMU只读取IMU六轴的信息，3轴线加速度（加速度计）和3轴角速度（陀螺仪）。通过对陀螺仪的一次积分，直觉上可以获取姿态的变化情况，对加速度的一次积分和二次积分结合陀螺仪的信息，可以获取位置的变换情况。背景知识：IMU:通常6轴陀螺仪，包括3轴线加速度和3轴角速度。9轴陀螺仪增加3轴地磁信息。MEMS陀螺仪没有姿态的输出，所有的MEMS陀螺都是非旋转装

vins_fusion入门系列-数据的读取VINS_FUSION功能介绍港科大在2019年1月12号发布了Vins-fusion，从2017年发布的Vins-mono:单目+IMU，这次晋级了vins-fusion

processThread线程主体是processMeasurements（）函数，当SetParameter后，线程开启。下面均以初始化完成后，并且有准确的相机IMU外参来阅读代码。processMeasurements（）当featureBuf不为空的时候，函数开始进行前端的测量处理。td:代表相机与imu之间的时间差。等待imu有收集到最新图像时刻的值。接着通过getIMUInterval（

港科大vins-fusion代码解读[一]vins-fusion与vins-mono代码结构有很大相似性。这次先看看vins_estimator节点内的内容。

这里提供两个IMU标定工具：（标定工具1）https://github.com/gaowenliang/imu_utils（标定工具2）https://github.com/rpng/kalibr_allan【准备过程】：鉴于标定工具1需要Matlab作图，标定工具2编译过程依赖于Matlab。故这里先下载安装Ubuntu版本的Matlab。【关于Matlab工具箱的选择！】https://blo

main()函数的最后一句，std::threadsync_thread{sync_process};可以看出，只有time0在time1前后0.03s内的两幅图片，才会被发布estimator.inputImage(time,image0,image1);。//extractimageswithsametimestampfromtwotopicsvoidsync_process(){while(

文章目录0前情回顾本次工作1sync_processinputImage2、trackImage2.1图像处理2.2hasPrediction2.3if(SHOW_TRACK)2.4setMask2.5goodFeaturesToTrack2.3.1undistortedPts2.3.2ptsVelocity2.4如果是双目2.6制作featureFrame3processMeasurements