IntelRealsenseD435iRunVINS-Mono0.引言1.VINS-MonoInstall2.IntelRealsenseCameramodified3.RealSenseYaml-FileModifiedInVINS-Mono4.RUN5.Other0.引言后面自己标定后再来。原谅文件名之前一直写成了D453I实际应该是D435I。1.VINS-MonoInstallVINS-M

VINS-Mono和VINS-Mobile是香港科技大学沈劭劼团队开源的单目视觉惯导SLAM方案。是基于优化和滑动窗口的VIO，使用IMU预积分构建紧耦合框架。

VINS-mono是当前常用的VIO框架之一，出自港科大的沈劭劼老师团队。VINS-mono是基于优化的紧耦合方案，精度、速度、鲁棒性俱佳。

ARobustandVersatileMonocularVisual-InertialStateEstimator.QuaternionKinematicsforError-StateKF.预积分的推导预积分是VINS-Mono

其实我之前也尝试着在VINS-MONO基础上改写双目的，快改完的时候，沈老师把VINS-FUSION开源了，那我们就一起来学习一下吧。

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。

编译VINS-Mono(catkin_make)的时候，出现了这个错误，具体的错误如下：CMakeErroratVINS-Mono/vins_estimator/CMakeLists.txt:26(find_package

视频地址：https://www.youtube.com/watch?v=I4txdvGhT6Igithub：https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git系统框图如下主要分为：1、测量数据预处理：IMU预积分、Harris特征提取和跟踪2、外参标定和初始：手眼标定法获得外参旋转量、纯视觉SFM、Visual-Inertial调整3、里

回到目录写在前面港科大的VINS-Mono作为目前stateoftheart的开源VIO项目，是研究视觉与IMU紧耦合的必读算法，网上的论文解读与代码实现也非常丰富（感谢！）。

一、ROS下安装环境1、按照官方指导第一步，但并未成功配置，也不知道在哪makewgethttps://raw.githubusercontent.com/oroca/oroca-ros-pkg/master/ros_install.sh&&\chmod755./ros_install.sh&&bash./ros_install.shcatkin_wskinetic2、然后选择自己下载编译源码gi

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

1.写在前面的话最近开始学习VINS-Mono系统源码，也看到了网上有许多别人的的阅读笔记和代码介绍资料。对我自己而言，阅读前人的笔记能够很快帮助自己加深对系统以及代码的整体理解。

VINS-Mono代码是港科大沈老师组开放出来的非常优秀的开源SLAM项目，融合了视觉和IMU，是SLAM学习研究中一个很好的项目。这里列出本人学习该项目代码过程中的笔记，后续有新的理解会不断更新。

可能高博这本书定稿的时候港科大的VINS-Mono还没有发布，个人觉得这也是一个非常优秀的SLAM方案，是视觉惯导（VO+IMU紧耦合）SLAM的成功案例。

边缘化策略参考博客：https://www.cnblogs.com/feifanrensheng/p/10532918.html\url{https://www.cnblogs.com/feifanrensheng/p/10532918.html}https://www.cnblogs.com/feifanrensheng/p/10532918.htmlhttps://blog.csdn.net/

目前网上有很多分析文章，但是都只是一些比较基础的原理分析，而且很多量，虽然有推倒，但是往往没有讲清楚这些量是什么，为什么要有这些量，这些量是从哪来的，也没有刷通整个代码，或者太简练了，对新手不友好。这一次我计划从原理/代码一步步刷通整个VINS，并且说清楚代码中遇到的每一个数据结构对应的作用是什么。vins系列可以说是vio或者是SLAM传感器融合的必读经典巨作，希望你能从我的分享中有所收获。gi

很早之前就完成了VINS-Mono在QTcreator下的配置运行，过程虽说不复杂但长时间不折腾也很容易忘记。

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。

VINS-Mono环境配置与测试笔记标签：旭linuxSLAM1.简介VINS-Mono和VINS-Mobile是香港科技大学沈劭劼团队开源的单目视觉惯导SLAM方案。

首先声明，本人自己也是slam新手，此贴只因为自己在用小觅相机深度版运行Vins的时候太过无助，所以想写个自己运行出结果的完整过程，仅供参考，如有不对之处，还望不吝指教。我的电脑是Ubuntu16.04,相应的ROS为Kinetic版本，并需要安装pcl库。文中涉及到的相关链接：下载MYNT-EYE-SDK-D-SDK：https://github.com/slightech/MYNT-EYE-D

主程序入口在estimator_node.cpp的main函数中：1、ros::init(argc,argv,"vins_estimator")；2、readParameters(n);读取参数3、估计器设置参数estimator.setParameter()包括相机IMU外参tic和ric4、注册visualization.cpp中创建的发布器registerPub(n)5、订阅topic执行各

2.2`linefeature_tracker.cpp`2.3`linefeature_tracker.h`1说明本次是对贺一佳博士的PL-VIO进行学习并注释.十分感谢贺博之前做的工作.PL-VIO是在VINS-Mono

1.1定义内容1.2程序执行1.2.1获取参数并设置参数1.2.2`imu_callback`1.2.3`feature_callback`1.2.4`sync_process`结束0前言目前网络上对于VINS-mono

本文将介绍自己一步步搭建d435i环境，并成功跑通ORB-SLAM2、RTAB和VINS-Mono的过程，供大家参考。

本周成功的在JetSonTX2上移植了Vins-Mono与RTAB-Map，并使用摄像头RealSenseD435顺利跑通了这两个框架。

本周顺利搭建了Vins-Mono框架并跑通示例，计算了Vins-Mono在EuRoc数据集上的定位精度，也安装了RealSenseZR300和RealSenseD435两款深度摄像头进行具体测试实验。

视觉惯性里程计VIO-VisualInertialOdometry视觉−惯性导航融合SLAM方案博文末尾支持二维码赞赏哦_视觉惯性SLAM专栏VINS技术路线与代码详解VINS理论与代码详解0——理论基础白话篇vio_data_simulationVIO数据测试仿真视觉惯性单目SLAM知识IO和之前的几种SLAM最大的不同在于两点：首先，VIO在硬件上需要传感器的融合，包括相机和六轴陀螺仪，相机产

一、VINS介绍VINS-Mono是HKUST的ShenShaojie团队开源的一套Visual-Inertial融合定位算法.介绍见(https://github.com/HKUST-Aerial-Robotics

文章目录step1相机对应驱动——ubuntuSDK源码安装step2相机测试、标定参数获取step3安装vins并建立启动文件step4开启相机节点并运行vins使用的是双目深度板小觅相机，只需要使用相机左摄像头和IMU。其他相机亦可参考。step1相机对应驱动——ubuntuSDK源码安装（1）下载与安装注：下载安装前保证opencv等已安装。gitclonehttps://github.co

ubuntu14.04ros-indigoopencv3关于在编译VINS-MONO时发现问题如图差不多长这样OpenCVError:Badargument(Invalidpointertofilestorage

根据官方安装文档，并参考以下两篇博客，可以比较顺利的实现：RealsenseD435i在ubuntu上安装SDK与ROSWrapper运行ORB-SLAM2、RTAB和VINS-Mono使用RealsenseD435

VINS-Mono：一种功能强大且通用的单目视觉惯性状态估计器摘要-由摄像机和低成本惯性测量单元（IMU）组成的单目视觉惯性系统（VINS）构成了六自由度（DOF）状态估计的最小传感器套件。

1、PL-VIOPL-VIO是在VINS-Mono的基础上,添加了线特征,并且取得了不错的效果.缺点是线特征的提取匹配所需要的时间比较长.github:https://github.com/HeYijia

本文旨在对前一阶段学习vins-mono开源框架的总结。结合暑假秋招之前报名的深蓝学院的《从零开始手写VIO》课程，本文从VIO原理以及开源代码分析两部分进行详细介绍。

编译运行VINS-Mono:源码地址:https://github.com/HKUST-Aerial-Robotics/VINS-Mono在运行前修改结果保存地址:/home/yhj/catkin_ws

引言VINS-Mono代码阅读笔记（四）：vins_estimator中process线程代码分析中讲process函数的时候，说到了一段设置重定位帧的代码，但是没有做分析，本篇笔记先把这部分代码进行梳理

1.前言本篇紧接着上一篇笔记VINS-Mono代码阅读笔记（四）：vins_estimator中process线程代码分析来分析IMU数据的相关处理代码流程。

process线程作为estimator中的主要线程，对接收到的imu消息和image消息进行处理，进而通过这些信息估计出相机位姿。1.process函数介绍阅读IMU相关代码前，要能够明白IMU都能测量哪些数据。IMU就是惯性传感器的缩写，主要用于测量加速度和旋转运动的传感器。基础的IMU包括加速度计和角速度计，一般由三轴的加速度传感器和三个轴的陀螺仪组成，可以测量IMU在三个轴方向上的线加速度

在VINS-Mono代码阅读笔记（一）：从Euroc数据集的运行开始中我们已经初步知道了vins_estimator中订阅和发布的topic，那么，在研究vins_estimator模块的代码时，一个很有用的思路就是关注接收到的每一个

DeepVIO与传统VIO区别以VINS-mono为例，传统VIO的架构为输入camera图像数据及IMU数据，分别对上述两种数据建模，利用ICP计算图像间的位姿信息，利用预积分计算IMU的状态信息。

OKVIS：优点：全平台保持精确，综合精确度与成功率仅次于VINS-Mono

非常全局的一个关于VINS-Mono的总结IMU预积分部分Estimator是一个类，processIMU是它的一个成员函数；该函数的作用：使用中值法求解当前时刻的PVQ传入参数：IMU传感器的输出——

feature_tracker入口函数为feature_tracker_node.cpp/main()先通过readParameters(ros::NodeHandle&n)读取配置参数所以feature_trackerNode需要有config_file参数来指定话题名称/相机类型/相机内参/cam-IMU外参/视觉特征追踪参数/后端优化参数/imu参数/回环检测的参数再通过FeatureTra

feature_tracker入口函数为feature_tracker_node.cpp/main()先通过readParameters(ros::NodeHandle&n)读取配置参数所以feature_trackerNode需要有config_file参数来指定话题名称/相机类型/相机内参/cam-IMU外参/视觉特征追踪参数/后端优化参数/imu参数/回环检测的参数再通过FeatureTra

文章目录写在前面论文解读vins-mono概述1.MeasurementPreprocessing过程2.EstimatorInitialization过程3.TightlyComputedMonocularVIO

VINS详细安装步骤见githubGitHub-HKUST-Aerial-Robotics/VINS-Mono:ARobustandVersatileMonocularVisual-InertialStateEstimator1.1

文章目录VINS-Mono前端概述入口函数main()回调函数img_callback()发布频率控制特征点提取与光流跟踪单目处理逻辑双目处理逻辑FeatureTracker::readImage()函数更新特征点

VINS-mono详细解读VINS-mono详细解读前言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

在前一篇博文里介绍了VINS-monopose_graphreuse功能的使用，这里接着贴出一些延伸的测试，并进行一些探讨。延伸测试一般来说，加载地图是进行非GPS定位必要的一步。这里根据新的VINS公开的代码，以EuRoC的MH_01_为例，贴上rviz的效果图。在不加载地图的情况下，使能回环检测，得到无地图情况下的位姿估计如下图。图中绿色为估计的位姿图路径，红色的为真值。加载上一次的存储好的M