VIO

从零开始手写VIO 第5期(Lesson 2)

从零开始手写VIO第5期(Lesson2)本文是VIO课程的第二节课，权当自己的总结，由于github可能比较慢，所以放在了gitee，链接参见之前的博文，欢迎大家参考，更新不易，如需转载，请著名出处，
北方南方2020·2023-01-09 19:42

手写VIO --学习笔记 - Part2

目录1、设置IMU仿真中的不同的参数，生成[allen方差标定曲线](https://blog.csdn.net/lei1105034103/article/details/89159459)1.1[imu_utils](https://github.com/gaowenliang/imu_utils)环境配置生成imu.bagimu_utils标定matlab绘allan图1.2[kalibr_
昼行plus·2023-01-09 19:11

GPU加速的FAST特征提取 Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO (IROS 2020)

VIOPipeline中，视觉特征通常依靠图像数据的detection和tracking,这两个部分通常会比较耗时，比如一些经典的算子，运算量都比较大，如果将这些视觉前端用GPU进行加速处理，那么将会加快VIO
一銤阳光·2023-01-09 15:35

最小二乘问题总结

题外话2.最小二乘基础概念3.线性最小二乘问题的求解方法4.非线性最小二乘问题的求解方法4.1最快下降法4.2高斯牛顿法4.3LM阻尼最小二乘法4.4Dog-Leg最小二乘法1.题外话最近在学习深蓝学院的VIO
Andy是个男子名·2023-01-09 09:21

实操 ----Mocap采集VIO数据集

目的本文介绍采用Mocap采集VIO数据集的流程以及相关标定处理过程。
SLAM On the Road·2023-01-07 00:54

VINS_MONO系列：(二)IMU预积分详细推导

VINS_MONO系列：(一)总体框架_Derrr...的博客-CSDN博客_vins框架VINS_MONO系列：(二)IMU预积分详细推导_Derrr...的博客-CSDN博客VINS_MONO系列：(三)VIO
Derrr...·2023-01-07 00:53

VINS_MONO系列：(四)紧耦合VIO实现

VINS_MONO系列：(一)总体框架_Derrr...的博客-CSDN博客_vins框架VINS_MONO系列：(二)IMU预积分详细推导_Derrr...的博客-CSDN博客VINS_MONO系列：(三)VIO
Derrr...·2023-01-07 00:53

VINS_MONO系列：(五)前端特征提取

VINS_MONO系列：(一)总体框架_Derrr...的博客-CSDN博客_vins框架VINS_MONO系列：(二)IMU预积分详细推导_Derrr...的博客-CSDN博客VINS_MONO系列：(三)VIO
Derrr...·2023-01-07 00:53

手写VIO --学习笔记 - Part7

目录笔记VIO的初始化（标定）问题估计流程(这部分应当属于IMU标定的原理？)VINS系统三大块作业：将第二讲的仿真数据集（视觉特征，imu数据）接入我们的VINS代码，并运行出轨迹结果。
昼行plus·2023-01-07 00:53

VIO 初始化系列2---VINS-Mono初始化

ARobustandVersatileMonocularVisual-InertialStateEstimatorRobustinitializationofmonocularvisual-inertialestimationonaerialrobots参考博客：VINS-FUSION源码框架及C++知识点总结参考课程：从0开始手写VIO
Flying Youth·2023-01-07 00:52

[论文笔记|VIO]Accelerated Visual Inertial Navigation via Fragmented Structure Updates

目录Ⅰ.摘要贡献Ⅱ.分块BAA.BundleAdjustmentB.增量公式C.FragmentedAccelerationIII.连续预积分Ⅳ.实验结果Ⅰ.摘要VI系统的计算瓶颈在于联合优化，因此这篇论文采用分块fragments来解决这个问题。一组来自多个不同相机的共可见特征点被有效地分割、分类，然后使用由频率模式增长算法激励的机器学习进行分析。此外，在预积分过程中使用连续形式，以提高精度，并
いしょ·2023-01-07 00:22

VINS_MONO系列：(一)总体框架

VINS_MONO系列：(一)总体框架_Derrr...的博客-CSDN博客_vins框架VINS_MONO系列：(二)IMU预积分详细推导_Derrr...的博客-CSDN博客VINS_MONO系列：(三)VIO
Derrr...·2023-01-07 00:22

【泡泡一分钟】间歇的GPS辅助VIO：在线初始化和标定

转载自：https://www.sohu.com/a/420714380_715754【泡泡一分钟】间歇的GPS辅助VIO：在线初始化和标定2020-09-2506:30标题：IntermittentGPS-aidedVIO
TYINY·2023-01-07 00:51

从零学习VINS-Mono/Fusion源代码（五）：VIO初始化

本节分析VIO初始化部分VINS-Mono/Fusion代码学习系列：从零学习VINS-Mono/Fusion源代码（一）：主函数从零学习VINS-Mono/Fusion源代码（二）：前端图像跟踪从零学习
slender-·2023-01-07 00:51

VIO学习总结

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自|新机器视觉VIO（visual-inertialodometry）即视觉惯性里程计，有时也叫视觉惯性系统（VINS，visual-inertialsystem
小白学视觉·2023-01-07 00:21

VINS_FUSION入门系列---GPS与VIO融合

转载自：https://blog.csdn.net/pj_find/article/details/106566838VINS_FUSION入门系列---GPS与VIO融合pj_find2020-06-
TYINY·2023-01-07 00:21

vio 不同数据对齐的相关处理---以vins-mono为例

1、首先订阅IMU、图像信息ros::Subscribersub_imu=n.subscribe(IMU_TOPIC,2000,imu_callback,ros::TransportHints().tcpNoDelay());ros::Subscribersub_image=n.subscribe("/feature_tracker/feature",2000,feature_callback);
slam让我头疼·2023-01-07 00:21

VINS_MONO系列：(三)VIO初始化

VINS_MONO系列：(一)总体框架_Derrr...的博客-CSDN博客_vins框架VINS_MONO系列：(二)IMU预积分详细推导_Derrr...的博客-CSDN博客VINS_MONO系列：(三)VIO
Derrr...·2023-01-07 00:48

内存泄露问题

在VIO-->编解码--》推流过程中。
qq_1335857320·2023-01-06 17:29

VIO系统中相机和IMU时间戳对齐的知识总结

文章搬运自：https://zhuanlan.zhihu.com/p/53555106通常，VIO系统忽略IMU与相机时间偏差，认为IMU和相机时间是同步和对齐的，然而由于硬件系统的触发延时、传输延时和没有准确同步时钟等问题
王不偏·2023-01-04 09:49

vio-视觉与IMU融合实现里程计（第三章）——基于优化的IMU和视觉信息融合

基于BundleAdjustment的VIO融合通过调整q,p,使得预测值与观测值的平方误差或带权重的平方误差最小。∑\sum∑范数是调节各个误差分量的权重的矩阵_BA问题。
思考之路·2023-01-04 09:16

vio-视觉与IMU融合实现里程计（第一章）—— vio概述和预备知识

VIO概述我们之前学过的slam十四讲中相邻相机位姿的估计是由图像(视觉)来估计的，为了更好的进行里程计的状态估计引入互补的IMU单元(惯性测量单元)。
思考之路·2023-01-04 09:46

vio-视觉与IMU融合实现里程计（第一章)——作业

1视觉与IMU进行融合之后有何优势？IMU的缺点：加速计和陀螺仪均会受到零偏的影响，导致长时间积分后位姿会发生较大的漂移。相机的缺点：易受周围环境的影响，如弱纹理环境，光照明显的环境，多动态物体的环境，还会受到运动模糊的影响。相机和IMU是互补的关系，融合后会有以下优点：-融合IMU可以恢复尺度，解决了单目尺度不确定的问题。-融合IMU可以提供一个较为准确的初始估计，防止非线性优化问题陷入局部最优
思考之路·2023-01-04 09:46

VIO中IMU的模型及预计分

文章目录四元素对时间的导数VIO中的IMU模型欧拉积分中值法积分IMU预积分IMU的预积分误差预积分的离散形式四元素对时间的导数那么、四元数对时间的导数为：VIO中的IMU模型根据上面的导数关系，可以从第
TB81266·2023-01-04 09:06

手写VIO代码解析(1) -IMU

IMU欧拉角欧拉角与旋转矩阵的转换欧拉角速度与body角速度的转换IMU模拟数据的产生IMU运动学模型欧拉积分中值积分欧拉角相比于四元数、旋转矩阵，采用欧拉角表达姿态更加的直观，一个世界坐标若能依次绕着其3个轴旋转然后与Body坐标系3个轴方向上重合，则就可以用3个旋转角来描述body坐标系的旋转。这个角就是欧拉角，可以看到欧拉角与绕轴旋转的顺序有关，一般常用的欧拉角是ZYX，表示先绕Z轴旋转(y
SLAM||DUNK·2023-01-04 09:05

VIO的IMU旋转运动学与误差模型和标定

Section1VIO概述VIO：（Visual-InertialOdometry）以视觉与IMU融合实现里程计IMU（InertialMeasurementUnit），惯性测量单元典型6轴IMU以较高频率
秃头队长·2023-01-04 09:02

【开源代码】首个利用神经网络能够明确推断VIO中 IMU bias演化的方法

以下内容来自从零开始机器人SLAM知识星球每日更新内容点击领取学习资料→机器人SLAM学习资料大礼包#论文##开源代码#DeepIMUBiasInferenceforRobustVisual-InertialOdometrywithFactorGraphs论文地址：https://arxiv.org/abs/2211.04517作者单位：牛津大学开源代码：https://github.com/or
计算机视觉life·2023-01-04 09:55

从零开始学习VIO笔记 --- 第二讲：VIO概述，IMU,IMU的标定

从零开始学习VIO笔记---第二讲：VIO概述，IMU相关模型介绍一.VIO融合1.1紧耦合1.2松耦合二.imu误差模型imu的误差标定（后续补上）三.imu的数学模型3.1加速度计数学模型3.2陀螺仪数学模型四
GuNight·2023-01-04 09:50

从零开始学习VIO笔记 --- 第二讲：IMU 数据仿真(分析+代码)

从零开始学习VIO笔记---第二讲：IMU数据仿真(分析+代码）一.理论分析1.1机器人的位姿1.2imu的角速度和线加速度1.3对imu数据添加噪声1.4问题二.代码2.1模型建立与产生数据2.2保存相机位姿
GuNight·2023-01-04 09:19

【开源代码】首个利用神经网络能够明确推断VIO中 IMU bias演化的方法

以下内容来自从零开始机器人SLAM知识星球每日更新内容点击领取学习资料→机器人SLAM学习资料大礼包#论文##开源代码#DeepIMUBiasInferenceforRobustVisual-InertialOdometrywithFactorGraphs论文地址：https://arxiv.org/abs/2211.04517作者单位：牛津大学开源代码：https://github.com/or
计算机视觉life·2023-01-04 09:45

【SLAM】DM-VIO(ros版)安装和论文解读

1.dm-vio的安装进入官方链接，基本上就是按照readme的操作来：下载代码：gitclonehttps://github.com/lukasvst/dm-vio.git安装gtsam：sudoaptinstalllibtbb-devgitclonehttps
iwander。·2023-01-04 02:36

《视觉SLAM进阶：从零开始手写VIO》第一讲作业

《视觉SLAM进阶：从零开始手写VIO》第一讲作业文章目录《视觉SLAM进阶：从零开始手写VIO》第一讲作业1.1视觉与IMU融合之后有何优势？1.2有哪些常见的视觉+IMU融合方案？
楚歌again·2023-01-01 17:54

VINS技术与代码学习

VINS技术路线转自：https://blog.csdn.net/wangshuailpp/article/details/78461171写在前面：本文整和自己的思路，希望对学习VINS或者VIO的同学有所帮助
Eminbogen·2022-12-31 13:06

VINS

VINS技术路线写在前面：本文整和自己的思路，希望对学习VINS或者VIO的同学有所帮助，如果你觉得文章写的对你的理解有一点帮助，可以推荐给周围的小伙伴们，当然，如果你有任何问题想要交流，欢迎随时探讨。
Hcaroline·2022-12-31 13:03

Ubuntu 18.04 ——— VIO算法评测工具EVO的安装与使用

Ubuntu18.04———VIO算法评测工具EVO的安装与使用一、安装EVO1.安装代码2.检查是否安装成功二、运行ORB_SLAM21.报错：2.解决办法继续运行ORB_SLAM2结果三、其他重要指令
@曾记否·2022-12-26 03:57

PX4官方手册给的 Auterion 的VIO功能包（用于PX4 T265定点）的代码可以分析一下，感觉写的比vision_to_mavros简单一些

PX4官方手册给的Auterion的VIO功能包（用于PX4T265定点）的代码可以分析一下，感觉写的比vision_to_mavros简单一些https://github.com/Auterion/VIO
TYINY·2022-12-25 08:12

LM393电压比较器介绍

特点1、工作温度范围:0℃---+70℃；2、工作电源电压范围宽，单电源、双电源均可工作：单电源：2～36V，双电源：±1～±18V；3、消耗电流小，ICC=0.4mA；4、输入失调电压小，VIO=±2mV
嵌入式硬件与代码·2022-12-20 11:49

VINS_mono 代码详细理解（一）

具体的每个功能包的内容：三、VINS_mono代码整体框架VINS-mono是香港科技大学开源的VIO算法，单目相机+IMUVINS的功能模块分为五个部分，分别是数据预处理、初始化、后端非线性优化、闭环检测
一大块肉松·2022-12-20 08:25

Airsim中运行OpenVINS和VINS_Fusion

参数配置1.简介本文简介在Airsim中运行OpenVINS和VINS_Fusion.2.参考无人飞行器智能感知技术竞赛赛事公告在AirSim中控制无人机平台并采集数据OpenVINS官网AirSim中运行VIO
SLAM On the Road·2022-12-18 15:02

vio-视觉与IMU融合实现里程计（第六章）——视觉前端

使用光流法对特征点或角点进行追踪时很容易丢失,而使用直接法进行追踪时曝光可能会受影响.算法耗时越多,效果越好.ORB使用的是带有描述子的特征点法(直接法比特征点法效果好),直接法可以利用特征点选取的多少来决定耗时的长短进而决定追踪效果的好怀.放射变换包含了选中的该方块的旋转和平移如果不插入关键帧,则会导致路标点深度信息一直不变,引起退化,插入关键帧后使用BA(光束法平差)将重投影误差进行平摊,使得
思考之路·2022-12-18 10:34

VIO/VINS中关于能观性/可观性的详细讲解

也是没什么人写，再详细讲解一下整体简洁一点尝试主要用文字说明这个比较关键的点，其实整体和多传感器融合也有很大的关联，无论是外感还是内感传感器，无外乎从运动出发或者从观测出发：这个部分不需要扯到VIO里面非线性优化那块比较复杂的东西
紫川Purple River·2022-12-17 17:07

关于机器人状态估计(8)-VSLAM/VIO应用与实用性评估

很久没更新自己的大专栏了，熟悉我博客的朋友应该知道如果写这个标题，就说明是挺认真写的~哈哈。最近的工作也确实取得了很大的进展，进入了更困难的深水区首先得感谢港科多位师兄师弟的帮助，尤其是本末提供的Diable刑天小车车，优秀的编码直驱电机的表现，轮足设计和棒棒的6DOF全能，很大程度的帮助了我们的工作！导致这一版几乎是为刑天量身订做的。。。其他底盘泛用性应该也是可以的。另外感谢某师兄企业优异的全局
紫川Purple River·2022-12-17 17:36

VIO/VINS/VSLAM问题定位流程与思路

首先假设读者是了解基础VSLAM，了解VIO基础(至少要会标定，调过几个开源系统的)先说一下双目的VINS-FUSION，大部分问题都是基线造成的问题，简单点说就是如果使用较短的基线如5cm(Realsense
紫川Purple River·2022-12-17 17:36

一些与VIO/SLAM有关又无关的杂谈

今天主要有些想法，于是写个杂谈，方方面面吧，包括VIO和SLAM，也包括一些市场方面的事情。
紫川Purple River·2022-12-17 17:36

DM-VIO简析

今天主要是针对DMVIO/DM-VIO的简析，中文网上有的东西都太少了，只能靠看完论文和组员们一起改代码。
紫川Purple River·2022-12-17 17:36

主流VIO/VSLAM系统改造与工程化落地

今天主要写针对主流VIO和VSLAM如VINS-MONO和DSO的工程改造思路肯定是有相当价值的，总体写得比较简单，需要具备软件/硬件/算法等各方面综合能力才能掌握主要路径，具体实现方面以后由其他同事来针对每一个单一闭环来更新
紫川Purple River·2022-12-17 17:06

关于长波红外(热成像)相机在机器人状态估计与VIO中的一些验证

今天结合机器人状态估计谈一下这块。长波红外的工作波长是7-14μm，比我们肉眼看到的波长要长得多，实际的成像效果如下：缺点一目了然：1.无法给出画面具体细节2.无法给出丰富的颜色信息以反映特征3.还有一个隐藏的缺点就是长波红外通常只支持卷帘快门但是长波红外(热成像)具备几个很突出的优点：1.纯被动式感应，无法被侦察与探知(很适合特种领域的落地)2.几乎完全不受光流与阴影的影响，这个是其最大的优点，
紫川Purple River·2022-12-17 17:35

关于VIO零速更新(ZUPT)与控制三种约束的工程实践

VIO系统后端核心的三种约束是：先验约束，视觉约束与IMU预积分。
紫川Purple River·2022-12-17 17:35

关于机器人状态估计/VIO/VSLAM中能观性/可观性/FEJ的一些直接解释

知识来源是高翔博士与贺一家老师的VIO课程，以及Barfoot教授的机器人学中的状态估计。
紫川Purple River·2022-12-17 17:05

关于机器人状态估计(10)-VSLAM与VIO的3D建图，重定位与世界观综述

一.摘要：本文重点描述VSLAM与VIO的3D建图，重定位，回环与世界观，从小伙伴们最关心的工程和商用搞钱的角度进行详细分析，并从技术和实现部分详细描述各种类型SLAM在这块的差异。
紫川Purple River·2022-12-17 16:51
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他