VINS-mono

VINS-Mono代码学习记录（八）--processImage( )续(包含初始化）

上一节其实已经学到了初始化的部分，就是求解相机和IMU的外参数：旋转。接下来继续吧…在processImage()中，涉及到初始化的代码为：//[4]判断是初始化还是非线性优化if(solver_flag==INITIAL)//初始化{if(frame_count==WINDOW_SIZE)//如果帧数已经到达滑动窗口设定的帧数，就进行优化{boolresult=false;if(ESTIMATE
一直等待花开１·2020-07-15 06:15

VINS-Mono代码学习记录（二）---feature_tracker

一、feature_tracker总体流程图解先给出一张feature_tracker的总体流程图，让自己有一个全局意识。这张图真好，感谢原作者。基本这就是feature_tracker这个node搞的事情啦！重点关注它，对!就是它！图片转自：https://blog.csdn.net/qq_41839222/article/details/85797156二、main()函数分析开始进入feat
一直等待花开１·2020-07-15 06:15

VINS-Mono代码学习记录（九）--processImage()(滑窗优化边缘化部分）

上一节结束了初始化的内容，根据这张流程图：接下来继续学习其中的solveOdometry()函数，这一块就开始优化啦，VINS-Mono采用的是ceres来进行优化的。
一直等待花开１·2020-07-15 06:15

VINS-Mono代码学习记录（四）---estimator_node

写在前面的话终于把feature_tracker这一个node给整理好了，那些都是之前就已经看过的内容，所以整理起来比较快，接下来就慢慢边学边整理吧，这次先来看estimator_node.cpp里main()的内容。补：在程序中会涉及到很多ROS里定义的数据类型和作者定义的复杂难理解的数据类型，比如sensor_msgs::ImageConstPtrsensor_msgs::PointCloud
一直等待花开１·2020-07-15 06:44

完美实现使用evo评估VINS-Mono

过眼春光久已空，晒丝捣麦又匆匆。——（宋）陆游《夏日》EVO工具用于评估SLAM算法在现有数据集上的效果。源码在https://github.com/MichaelGrupp/evo。目前支持TUMKITTIEuroc等格式。evo工具提供了3种误差评估方式:evo_ape-absoulteposeerrorevo_rpe-relativeposeerrorevo_rpe-for-each-sub
猛龙过江ing·2020-07-15 06:54

自制简易C++日志库——优雅地调试VINS-mono

——（宋）苏轼《策略》最近一直在研究VINS-mono，由于它是基于ROS（RobotOperatingSystem）开发的，运行的时候需要启动rviz和播放包文件，所以调试起来很不方便。
猛龙过江ing·2020-07-15 06:54

VINS-Mono代码分析与总结(完整版)

VINS-Mono代码分析总结参考文献1VINS-Mono:ARobustandVersatileMonocularVisual-InertialStateEstimator,TongQin,PeiliangLi
weixin_34235371·2020-07-15 05:13

香港科技大学的VINS_MONO初试

简介VINS-Mono是香港科技大学开源的一个VIO,我简单的测试了，发现效果不错。做个简单的笔记，详细的内容等我毕设搞完再弄。
weixin_30878501·2020-07-15 03:37

VINS-mono详细解读

VINS-mono详细解读极品巧克力前言Vins-mono是香港科技大学开源的一个VIO算法，https://github.com/HKUST-Aerial-Robotics/VINS-Mono，是用紧耦合方法实现的
weixin_30875157·2020-07-15 03:36

VINS-mono 学习之 三角化

参考：https://blog.csdn.net/u013517182/article/details/52151960https://blog.csdn.net/kokerf/article/details/72844455感谢前辈们的分享，对我理解VINS代码有很大的帮助。三角化（Triangulate）是计算机视觉中的重要的一部分，通过特征匹配的二维坐标点和图像的位姿（R，t）得到三维空间点
诺_不言·2020-07-15 01:13

VINS在Android上的实现

VINS是香港科技大学沈劭劼团队开源的单目视觉惯导SLAM系统，其中开源了两个项目，Vins-Mono是基于ROS系统的，Vins-Mobile是基于苹果6S以上手机版本的。
wzj5530·2020-07-15 00:02

VINS-Mono 论文解读（IMU预积分残差+Marg边缘化）

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(SlidingWindow)纯视觉SfMB.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BIMU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VIO0.4重定位A
try_again_later·2020-07-14 23:18

VINS-Mono 代码详细解读——IMU预积分的残差、Jacobian和协方差 processIMU（）+intergrationBase类+imu_factor.h

前言：对第k帧和第k+1帧之间所有的IMU进行积分，可得到第K+1帧的PVQ（位置、速度、旋转），作为视觉估计的初始值。每次qwbt优化更新后，都要重新进行积分，运算量较大。将积分模型转为预积分模型：PVQ积分公式中的积分项变为相对于第i时刻的姿态，而不是相对于世界坐标系的姿态。目录一、IMU离散中值预积分理论基础1、没预积分：PVQ连续、离散积分1、IMU模型2、连续时间IMU运动模型，积分PV
try_again_later·2020-07-14 23:18

VINS-Mono 代码详细解读——feature_manager.cpp

LZ发现estimator.cpp中关键函数为processImage（），里面包含了IMU预积分、图像处理特征点跟踪等一系列流程，上一节中对processIMU（）以及预积分的integrationBase类进行解读，本节继续做基础储备，对与estimator.cpp中的feature_manager.cpp进行详细介绍，主要是对特征点管理。特征点管理器主要就是FeatureManager类目录
try_again_later·2020-07-14 23:46

VINS-Mono 代码详细解读——Estimator_node.cpp

目录一、process()函数处理观测值线程1、先通过getMeasurements（）函数获取imu和相机帧的信息。2.IMU预积分3.重定位setReloFrame（）4.processImage（）处理图像5、向RVIZ发布里程计信息、关键位姿、相机位姿、点云和TF关系6、更新IMU参数[P,Q,V,ba,bg,a,g]二、getMeasurements（）函数1、图像注解2、代码三、3个回
try_again_later·2020-07-14 23:46

VINS-Mono 代码详细解读——初始化2：视觉惯性松耦合初始化 visualIntialAlign（）

visualIntialAlign（）函数视觉惯性联合初始化这篇文章主要集中在讨论视觉部分和IMU部分之间的关联，如何对两部分进行对齐，使得系统完成初始化。目录visualIntialAlign（）函数视觉惯性联合初始化理论：视觉IMU对齐流程代码流程VisualIMUAlignment（）理论知识：视觉惯性校准（IMU预积分与视觉结构对齐）1、陀螺仪零偏bg标定2、速度v、重力g和尺度初始化s3
try_again_later·2020-07-14 23:46

VINS-Mono 代码详细解读——初始化1：视觉SFM详解 processImage（）+initialStructure（）

Estimator类目录processImage()函数initialStructure()初始化函数SFM初始化relativePose()函数getCorresponding()函数返回两帧匹配特征点3D坐标solveRelativeRT()函数利用五点法求解相机初始位姿GlobalSFM::construct()最重要的函数！！！坚持就是胜利processImage()函数1.检查两帧的视差
try_again_later·2020-07-14 23:46

VINS-MONO配置时遇到的问题

VINS-MONO配置时遇到的问题首先，先声明，博主到现在都没有配置好它，之所以写这篇博客是想记录一下自己吃了这么久的瘪，顺便提供一下给各位参考。
theworld666·2020-07-14 23:33

运行VINS-Mono遇到的问题

1.1UbuntuandROSUbuntu14.04ROSIndigo.[ROS安装](http://wiki.ros.org/indigo/Installation/Ubuntu)安装ROS包sudoapt-getinstallros-YOUR_DISTRO-cv-bridgeros-YOUR_DISTRO-tfros-YOUR_DISTRO-message-filtersros-YOUR_DI
snnily·2020-07-14 22:07

VINS-mono的编译与运行

简介：VINS-mono是香港科技大学一个计算机视觉实验室的科研结果，是要是基于单目视觉惯性里程计的一个slam系统，整个项目都是内嵌于ros。非常感谢这群勤劳刻苦创新的研究者开源了这个项目。
山鬼是男生·2020-07-14 22:49

后端优化 | VINS-Mono 论文公式推导与代码解析分讲

为了限制优化变量的数目，VINS-Mono采用了滑动窗口的形式，滑动窗口中的全状态量：滑动窗口内n+1个所有相机的状态(包括位置、朝向、速度、加速度计bias和陀螺仪bias)Camera到IMU的外参
qq_43525734·2020-07-14 21:11

初始化 | VINS-Mono 论文公式推导与代码解析分讲

初始化(松耦合)在提取的图像的Features和做完IMU的预积分之后，进入了系统的初始化环节，主要的目的有以下两个：系统使用单目相机，如果没有一个良好的尺度估计，就无法对两个传感器做进一步的融合，这个时候需要恢复出尺度；要对IMU进行初始化，IMU会受到bias的影响，所以要得到IMU的bias。所以我们要从初始化中恢复出尺度、重力、速度以及IMU的bias，因为视觉(SFM)在初始化的过程中有
qq_43525734·2020-07-14 21:38

Vins-mono 源码笔记 (2) estimator_node

estimator_node总结1、数据的处理1.1IMU数据的处理1.2图像特征的处理2、measurement_process2.1process()2.2getMeasurements()2.3IMU数据处理2.4图像特征的处理2.4.1、processImage()2.4.1.1.addFeatureCheckParallax2.4.2frame的定义总结该节点：1、接受并处理发送来的IM
SLAM不dunk·2020-07-14 20:14

VINS-Mono代码解读——视觉惯性联合初始化 initialStructure sfm

前言本文主要介绍VINS状态估计器模块（estimator）中的初始化过程（initial），对应论文第五章（V.ESTIMATORINITIALIZATION），主要在代码中/vins_estimator节点的相关部分实现。由于单目紧耦合的VIO是一个高度非线性系统，单目视觉没有尺度信息，IMU的测量又存在偏置误差，如果没有良好的初始值很难将这两种测量结果有机融合，因而初始化是VIO最脆弱的步骤
Manii·2020-07-14 20:07

VINS-Mono理论学习——视觉惯性联合初始化与外参标定

前言本文主要介绍VINS状态估计器模块（estimator）初始化环节中视觉惯性对齐求解陀螺仪偏置、尺度、重力加速度、每帧速度以及相机到IMU的外参估计，其中前半部分对应论文第五章（V.ESTIMATORINITIALIZATIONB.Visual-InertialAlignment），后半部分参考了沈老师组的之前的论文。总的来说，视觉惯性对齐主要包括以下流程：1、若旋转外参数qbcq_{bc}q
Manii·2020-07-14 20:07

如何用Realsense D435i运行VINS-Mono等VIO算法 获取IMU同步数据

前言IntelRealsenseD435i在D435的基础上硬件融合了IMU，然而目前网上关于这款摄像头的资料非常少，本文主要介绍自己拿着d435i历经曲折最后成功运行VINS-Mono的过程。。。
Manii·2020-07-14 20:07

VINS-Mono代码解读——状态估计器流程 estimator 写在初始化和非线性优化前

前言本文主要介绍VINS的状态估计器模块（estimator），主要在代码中/vins_estimator节点的相关部分实现。这个模块可以说是VINS的最核心模块，从论文的内容上来说，里面的内容包括了VINS的估计器初始化、基于滑动窗口的非线性优化实现紧耦合，即论文第五章（V.ESTIMATORINITIALIZATION）第六章（VI.TIGHTLY-COUPLEDMONOCULARVIO）。此
Manii·2020-07-14 20:07

VINS-Mono代码解读——启动文件launch与参数配置文件yaml介绍

前言一般我们通过以下命令运行VINS-Mono跑MH_01数据集。
Manii·2020-07-14 20:07

VINS-Mono代码解读——回环检测与重定位 pose graph loop closing

前言本文主要介绍VINS的重定位模块（relocalization），主要在代码中/pose_graph节点的相关部分实现。从论文的内容上来说，主要包括了VINS中的回环检测、特征匹配与检验、重定位等内容，即论文第七章（VII.RELOCALIZATION）。先简要介绍下论文中的内容：A.回环检测1、利用DBoW2进行回环检测。2、除了用于单目VIO的角点特征外，还添加了500个角点并使用BRIE
Manii·2020-07-14 20:07

VINS-Mono理论学习——IMU预积分 Pre-integration （Jacobian 协方差）

引言VINS论文的IV-B.IMUPre-integration介绍了IMU预积分模型，Foster的两篇论文对IMU预积分理论进行详细分析。传统传统捷联惯性导航的递推算法，是在已知上一时刻的IMU状态量（姿态和速度、位移）情况下，利用IMU测量得到的线加速度和角速度，做积分运算得到当前时刻的状态量。然而在基于非线性优化的VIO中，各个节点的状态量都是估计值（此处还包括Ba和Bg）。当这些状态量在
Manii·2020-07-14 20:05

小觅S系列相机运行vins-mono

小觅S系列相机运行vins-mono1.SDK驱动2.获得相机标定数据3.下载MYNT-EYE-VINS-Sample4.运行前期准备：安装并成功运行VINS-MONO。
King Ray·2020-07-14 20:11

VINS-Mono源码解析（三）后端: IMU预积分

VINS-Mono源码解析（三）后端:IMU预积分为什么要预积分?
不掉发码农·2020-07-14 16:34

VINS-Mono源码解析（二）前端：特征跟踪

VINS-Mono源码解析（二）前端：特征跟踪VINS-Mono中的前端处理在ROS节点feature_tracker_node中，具体实现是GoodFeatureToTrack+LK光流跟踪。
不掉发码农·2020-07-14 16:34

ROS Indigo上使用RealSense ZR300

ROSIndigo上使用RealSenseZR300在Ubuntu14.04上安装了realsensezr300的驱动librealsense以后，想要在ros上用zr300跑一跑vins-mono试试
岁月饶过谁·2020-07-14 16:27

VINS-MONO运行

初次运行VINS-MONO，按照官网安装并配置：https://github.com/HKUST-Aerial-Robotics/VINS-Mono；遇到问题如下：roslaunchvins_estimatoreuroc.launchroslaunchvins_estimatorvins_rviz.launch
nifengzhiyix2·2020-07-14 15:37

VINS-Mono代码阅读笔记（十）：vins_estimator中的非线性优化

本篇笔记紧接着VINS-Mono代码阅读笔记（九）：vins_estimator中的相机-IMU对齐，初始化完成之后就获得了要优化的变量的初始值，后边就是做后端优化处理了。
文科升·2020-07-14 15:35

使用小觅双目-惯性相机运行VINS-Mono

步骤1.下载相机驱动MYNT-EYE-SDK-2，然后makeros（注意：前面的Ubuntu安装也要操作）；2.安装VINS-Mono；3.在MYNT-EYE-VINS-Sample/config/mynteye
W_Tortoise·2020-07-14 13:20

VINS-Mono代码精简版代码详解-无ROS依赖(二)

视觉惯性联合初始化其对应的函数为visualInitialAlign()是在初始窗口中的图像帧完成SFM三维重建之后，即各图像帧在参考坐标系下的初始位姿都已经计算完成之后，执行的。该函数主要实现了陀螺仪的偏置校准(加速度偏置没有处理)，计算速度V[0:n]、重力g、尺度s。同时更新了Bgs后，IMU测量量需要repropagate；得到尺度s和重力g的方向后，需更新所有图像帧在世界座标系下的Ps、
jiweinanyi·2020-07-14 12:41

VINS-Mono代码总结-IMU预积分相关部分

VINS-Mono代码总结-IMU预积分与残差计算关于VINS-Mono系统的理论推导和代码讲解，网上有很多优秀的博客，如VINS-Mono代码分析与总结(一)IMU预积分,VINS-Mono源码解析（
jiweinanyi·2020-07-14 12:40

VINS-Mono代码-视觉特征部分-笔记

引言视觉特征从提取到构造视觉误差再到优化，是VINS中重要的一部分。所采用的特征法，光流跟踪，重投影误差，基于归一化平面的残差计算等等都值得具体的分析与思考。下面我们将从整个代码的主函数开始，沿着特征处理进行介绍。主函数整个系统的主函数在estimator_node.cpp中，进一步的IMU数据和视觉数据的处理是在process()函数中，数据的获取是在getMeasurements()函数中，传
jiweinanyi·2020-07-14 12:09

VINS-Mono视觉初始化代码详解

下面，我们对VINS-Mono中的视觉初始化部分的代码进行介
jiweinanyi·2020-07-14 12:09

【SLAM】VINS-Fusion解析——流程

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。
iwander。·2020-07-14 12:17

【SLAM】VINS-MONO解析——sliding window

8.slidingwindow8.1理论基础实际上，这一部分跟后端非线性优化是一起进行的，这一部分对应的非线性优化的损失函数的先验部分。理论基础部分的代码基本在第7章部分。8.1.1上一次非线性优化结束，最后的H矩阵就是本轮非线性优化的先验矩阵的前身。8.1.2构造先验矩阵(1)移动需要marg掉的pose和路标点对应的，J矩阵的一些列需要删除掉；H矩阵的一些行需要删掉。在操作先验矩阵的时候，需要
iwander。·2020-07-14 12:17

【SLAM】VINS-MONO解析——基于vins-mono的双目slam系统开发

这个系统是基于香港科技大学飞行机器人组的开源框架VINS-Mono开发的，原开源框架是针对单目SLAM。本双目SLAM系统是在原单目开源框架基础上的二次深度开发，外部接口与原框架一致。
iwander。·2020-07-14 12:17

【SLAM】VINS-MONO解析——对vins-mono的提升建议

vins-mono刷了三遍，手写vio刷了两遍，SLAM十四讲刷了两三遍，从一开始完全看不懂是啥，不知道什么是SLAM，什么是VIO，什么是VINS，什么是SO3/SE3，甚至不知道什么是IMU…再到自己写总结写攻略
iwander。·2020-07-14 12:17

【SLAM】VINS-MONO解析——初始化(理论部分)

6.初始化第一个问题，为什么要初始化？对于单目系统而言，(1)视觉系统只能获得二维信息，损失了一维信息(深度),所以需要动一下，也就是三角化才能重新获得损失的深度信息；(2)但是，这个三角化恢复的深度信息，是个“伪深度”，它的尺度是随机的，不是真实的，所以就需要IMU来标定这个尺度；(3)要想让IMU标定这个尺度，IMU也需要动一下，得到PVQ的P；(4)另外，IMU存在bias，视觉获得的旋转矩
iwander。·2020-07-14 12:16

【SLAM】VINS-MONO解析——IMU预积分

各个部分的讲解如下链接：【SLAM】VINS-MONO解析——综述【SLAM】VINS-MONO解析——feature_tracker【SLAM】VINS-MONO解析——IMU预积分【SLAM】VINS-MONO
iwander。·2020-07-14 12:16

【SLAM】VINS-MONO解析——后端优化(理论部分)

7.后端非线性优化7.1理论基础7.1.1bayes模型，因子图和最小二乘这一部分主要是对董靖博士在公开课《因子图的理论基础》上的回忆和总结。(1)bayes模型假设有黄色是机器人在不同时刻的位姿，蓝色是机器人观测到的路标点，红色是机器人对路标点的观测，绿色是机器人对自身运动的观测。那么，这个过程可以用下面这个bayes-net来描述：那么，可以有这样的定义：黄色——机器人位姿——是状态量——X；
iwander。·2020-07-14 12:16

【SLAM】VINS-MONO解析——初始化(代码部分)

6.2代码解析这部分代码在estimator::processImage()最后面。初始化部分的代码虽然生命周期比较短，但是，代码量巨大！主要分成2部分，第一部分是纯视觉SfM优化滑窗内的位姿，然后在融合IMU信息，按照理论部分优化各个状态量。if(solver_flag==INITIAL)//进行初始化{if(frame_count==WINDOW_SIZE){boolresult=false;
iwander。·2020-07-14 12:45

【SLAM】VINS-MONO解析——后端优化(代码部分)

7.2代码在estimator.cpp的processImage()的最后，代码如下：else//solver_flag=NON_LINEAR,进行非线性优化{solveOdometry();//getParameterBlocks(std::unordered_map&addr_shift);std::vectorfactors;//所有观测项intm,n;//m为要边缘化的变量个数，n为要保留
iwander。·2020-07-14 12:45
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他