vins

VINS-Fusion ： IMU + Camer + GPS

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
hltt3838·2020-07-27 23:34

vins-fusion解读

关心vins-fusion，尤其是融合双目与imu那块。1.如何安装测试？
bufengzj·2020-07-27 19:41

vins-mono的边缘化分析

##marg基础摘自贺一家的博客在我们这个工科领域，它来源于概率论中的边际分布（marginaldistribution）。如从联合分布p(x,y)去掉y得到p(x)，也就是说从一系列随机变量的分布中获得这些变量子集的概率分布。回忆了这个概率论中的概念以后，让我们转到SLAM的BundleAdjustment上，随着时间的推移，路标特征点(landmark)和相机的位姿pose越来越多，BA的计算
anlaiji6783·2020-07-27 19:12

VINS-Fusion代码阅读（八）按功能模块

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>>>>
changshen_xu·2020-07-27 15:51

ORB_SLAM2视觉惯性紧耦合定位技术路线与代码详解1——IMU流型预积分

前面关于VINS的详解说过预积分计算过程，那篇使用的是四元数旋转求解，和这里的过程是一样的，主要计算三个量，分别是IMU预积分值，预积分测量值的协方差矩阵以及残差的雅各比矩阵，各自用途就不多说，有不懂的可以参照
五行缺帅wangshuailpp·2020-07-27 13:00

ORB_SLAM2视觉惯性紧耦合定位算法详解

ORB_SLAM2的作者在2017年提出了具有地图重用功能的单目视觉惯性定位算法，该算法的具体思路和港科大的VINS有着异曲同工之妙，整体过程可分为下面几个部分：1.整体流程与基础知识总结2.基于流型的
五行缺帅wangshuailpp·2020-07-27 13:00

ORB_SLAM2视觉惯性紧耦合定位技术路线与代码详解2——IMU初始化

具体介绍在VINS的博客中也同样说过，这部分关于最小二乘、尺度收敛等问题请参考我的博客：视觉SLAM常见的QR分解SVD分解等矩阵分解方式求解满秩和亏秩最小二乘问题（最全的方法分析总结
五行缺帅wangshuailpp·2020-07-27 13:00

VINS理论与代码详解1——框架解析

VINS理论与代码详解1——框架解析写在前面：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
五行缺帅wangshuailpp·2020-07-27 13:00

边缘化（marginalization ）和稀疏化(sparsification)---ceres-solver

我拿港科技沈老师的VINS中的BA优化来阐述ceres-solver怎么做边缘化和稀疏化.代码如下：voidEstimator::optimization(){ceres::Problemproblem
金木炎·2020-07-27 12:48

vins-fusion代码解读[二] 惯性视觉里程结果与GPS松耦合

KITTIGPSTest.cpp主程序入口:vins_estimator包下面的KITTIGPSTest.cpp,主要作用：（1
乌龟抓水母·2020-07-27 12:23

vins-fusion代码解读[四] 图像回环检测loop_fusion主体

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。
乌龟抓水母·2020-07-27 12:23

视觉惯导里程计VIO综述

一、背景VIO（VisualInertialOdometry）视觉惯导里程计，VINS（VisualInertialNavigationSystem）的一个分支。
NEU_LC·2020-07-27 11:19

VINS-Mono翻译

Abstract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)构成了用于度量六自由度状态估计的最小传感器套件。
是皮皮攀呀，·2020-07-15 18:44

VINS-Mono论文翻译

VINS-Mono：一种鲁棒且通用的单目视觉惯性状态估计器摘要关键词1.引言2.相关工作3.概述4.测量预处理A.视觉处理前端B.IMU预积分5.估计器初始化A.滑动窗口(SlidingWindow)纯视觉
闭关修炼到走火入魔·2020-07-15 12:57

基于金字塔LK的光流法实现—根据论文自己实现的c++代码

自己实现代码与opencv的接口函数对比在VINS-Mono上效果对比在两张图片上效果对比PyrLKTracking()源码总结最近自己在研究VINS-Mono源码的特征提取与追踪部分的原理以及代码实现
闭关修炼到走火入魔·2020-07-15 12:24

VINS-Mono源码分析2— vins_estimator1(预积分)

VINS-Mono源码分析2—vins_estimator1ros::init(argc,argv,"vins_estimator");ros::NodeHandlen("~");ros::console
闭关修炼到走火入魔·2020-07-15 12:23

VINS-Mono源码分析6— pose_graph1(回环检测与重定位)

VINS-Mono源码分析6—pose_graph1ros::init(argc,argv,"pose_graph");ros::NodeHandlen("~");pose_graph包的入口，ROS程序的初始处理
闭关修炼到走火入魔·2020-07-15 12:52

VINS-Mono源码分析5— vins_estimator4(边缘化)

VINS-Mono源码分析5—vins_estimator4【边缘化】1.边缘化理论2.边缘化代码分析1.边缘化理论在阅读本篇博客前，建议读友先去看看崔神的文章《VINS论文推导及代码解析》的第6节和高神的
闭关修炼到走火入魔·2020-07-15 12:52

小觅S系列相机运行VINS-Mono记录

直接使用小觅相机运行MYNT-EYE-VINS-Sample软件配置：ubuntu16.04，ROSKinetic。硬件配置：小觅S1030相机。
Lance Yu·2020-07-15 11:30

vins安装及小觅深度版运行

本小白在对VINS进行实践的过程中，走了许多的弯路，现在将全部过程都记下来，希望能对大家有所帮助VINS安装vins源代码地址rosros-csdnsudosh-c'echo"debhttp://packages.ros.org
fxf1112·2020-07-15 10:40

vins_fusion跑公开数据集EUROC

尝试着用vins_fusion跑了公开数据集EUROC中的MH_01。上图是跑双目的截图。上图是跑的单目后利用evo工具和保存的VIO数据得到的，可以看出跑飞了。
Reidkm·2020-07-15 10:00

开源SLAM方案评价与比较

开源SLAM方案评价与比较：ORB-SLAM2,VIORB,VINS-MONO一、简介二、EVO安装及测试三、运行数据集四、APE,RPE计算并绘图五、evo_res进行结果比较一、简介网上开源框架较多
尹扣扣·2020-07-15 09:50

TX2运行VINS-MONO

TX2运行VINS-MONO简介1.ceres-solver安装2.运行小觅摄像头简介之前一篇博客：“ubuntu16.04运行VINS-MONO实验总结”已经在笔记本中成功运行了VINS-MONO。
尹扣扣·2020-07-15 09:50

VINS-Mono关键知识点总结——前端详解

VINS-Mono关键知识点总结——前端详解VINS-Mono关键知识点总结——前端详解1.VINS-Mono的前端流程概述2.setMask()函数的作用3.rejectWithF()函数的作用4.addPoints
Jichao_Peng·2020-07-15 08:25

VINS-Mono关键知识点总结——预积分和后端优化IMU部分

VINS-Mono关键知识点总结——预积分和后端优化IMU部分VINS-Mono关键知识点总结——预积分和后端优化IMU部分1.预积分的理论推导2.预积分的代码分析3.后端优化IMU部分（1）残差定义（
Jichao_Peng·2020-07-15 08:23

VINS-mono运行数据集没有轨迹之解决办法

1、首先参照港科大github上的源码REAMDE进行环境配置https://github.com/HKUST-Aerial-Robotics/VINS-Mono2、下载并安装Eigen3.3.3，虽然对于
北戴河一哥·2020-07-15 08:42

用自己的设备（realsense d435i）跑VINS-Fusion 还是有一些坑

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
睫力上爬·2020-07-15 08:03

vins位姿图优化

我们的滑动窗口和边缘化方案限制了计算的复杂性，但也给系统带来了累积漂移。更确切地说，漂移发生在全局三维位置(x,y,z)和围绕重力方向的旋转(yaw)。为了消除漂移，提出了一种与单目VIO无缝集成的紧耦合重定位模块。论文内容1.回环检测利用DBoW2词袋模型进行回环检测，除了用于单目VIO的角点特征外，另外500个fast角点被检测出来并有brief描述子描述。额外的角点特征用于在回环检测中实现更
酸菜余·2020-07-15 08:40

VINS-Mono代码阅读

一、feature_tracker1.首先初始化feature_tracker节点，函数readParameters(n)加载config参数配置文件。trackerData[i].readIntrinsicParameter(CAM_NAMES[i])给相机模型加载内参，这里是单目i=1；如果是鱼眼相机则加载mask。然后开始订阅相机的topic，调用回调函数读取图片[1.1]，然后初始化3个需
Fs-Ryan·2020-07-15 07:24

MYNTEYE双目惯导相机跑通VINS-Mono，OKVIS

VINS代码地址：https://github.com/HKUST-Aerial-Robotics/VINS-Monohttps://github.com/slightech/MYNT-EYE-OKVIS-SampleInstallMYNTEYEOKVISgitclone-bmynteyehttps
渐无书xh·2020-07-15 07:05

VINS-Mono——初始化

估计器初始化初始化的原因是单目惯性紧耦合系统是一个非线性程度很高的系统，首先单目是无法获得空间中的绝对尺度，而IMU又必然存在偏置，在后面进行求解的时候还需要用到重力加速度（包括大小和方向），对于速度比较敏感的条件下，比如说无人机，又要精确的速度信息，因此，如何有效的在紧耦合系统处理之前计算出这些量，对整个紧耦合系统的鲁棒性有着重大的意义初始化要做的事其实说起来很简单，就是计算出绝对尺度s、陀螺仪
渐无书xh·2020-07-15 07:05

VINS-Mono安装问题总结

1cannotbeusedwhenmakingasharedobject;recompilewith-fPIC[30%]Builttargetvins_estimator/usr/bin/ld:/usr/local/lib/libgflags.a(gflags.cc.o):relocationR_X86_64_32against`.rodata.str1.1'cannotbeusedwhenmak
windistance·2020-07-15 07:13

小觅相机深度版运行VINS-mono

刚买了一台小觅深度版相机，拿来试试看效果，决定跑一圈VINS-mono，下面是我运行的过程，记录一下。1.获取传感器的参数编译官方的SDK。
weixin_42580307·2020-07-15 07:12

VINS 代码介绍资料

VSLAM与自动驾驶技术（搬运工）VINS（一）简介与代码结构http://www.cnblogs.com/shang-slam/p/7044045.htmlVINS（二）FeatureDetectionandTrackinghttp
weixin_41076452·2020-07-15 06:39

使用小觅相机标准入门版运行vins

文章目录运行步骤概括详细步骤第一步：下载相机驱动并编译第二步：下载源码并编译第三步：更新源码中的配置文件3.1获得相机与IMU参数3.2：修改源代码的参数文件第四步：运行vins注意事项运行步骤概括下载相机驱动并编译下载源码并编译更新源码中的配置文件运行
骑士——永不止步·2020-07-15 06:38

[ROS] 读取参数配置文件

在阅读开源代码VINS时，顺带整理一下所用到的读取参数的函数。
杜陇Dillon·2020-07-15 06:20

[从零写VIO|第七节]——VINS-Mono代码精简版代码详解——初始化4visualInitialAlign()(内容|代码)

接上一篇博客——视觉IMU对齐的内容和代码的解析，我们已经通过VisualIMUAlignment函数得到了初始值：陀螺仪的bias、尺度因子s、有模长限制的重力向量、各个帧的速度，同时借助重力向量实现了相机坐标系与世界坐标系的对齐。总结一下就是：相机-IMU对齐指的是将视觉SFM结构和IMU的预积分结果进行对齐，主要分为1）陀螺仪偏差的标定；2）速度、重力向量和尺度初始化；3）对重力进行修正三部
いしょ·2020-07-15 06:45

[从零写VIO|第七节]——VINS-Mono代码精简版代码详解——初始化2视觉初始化(内容|代码)

接上一篇——外参标定的代码和内容的讲解，计算出旋转外参数qbcq_{bc}qbc(对应代码中的ric)后，开始其他参数的初始化；视觉初始化的过程是至关重要的，如果在刚开始不能给出很好的位姿态估计，那么也就不能对IMU的参数进行精确的标定。当然，当相机在弱纹理或者高动态场景下工作时，预期的SLAM算法能够根据IMU的数据补偿视觉不确定性带来的精度损失。我们利用SfM确定各个pose和特征点的相对于c
いしょ·2020-07-15 06:45

[从零写VIO|第七节]——VINS-Mono代码精简版代码详解——初始化3视觉IMU对齐(内容|代码)

接上一篇——视觉初始化的代码和内容的讲解,我们对所有的图像帧(滑动窗口内与外all)提供初始R、T估计，然后进行pnp优化，同时我们也得到了它们对应的IMU坐标系到lll系的旋转平移。现在进行视觉惯性联合初始化。【为什么要用视觉惯性联合初始化？怎样联合？】对于单目系统：视觉系统只能获得二维信息，损失了一维信息(深度)——>利用三角化重新获得损失的深度信息；相机之间是非米制单位表示(s尺度因子)，I
いしょ·2020-07-15 06:45

[从零写VIO|第七节]——VINS初始化(作业)

关于第七节VINS的初始化，其内容和代码均整理在下面列出的博客中。视频的主要讲解内容在初始化1，初始化3。
いしょ·2020-07-15 06:44

[从零写VIO|第七节]——VINS-Mono代码精简版代码详解——初始化1外参标定(内容|代码)

本节是VIO的重点，主要是VINS的鲁棒初始化：外参估计，重力估计对齐目录1.大体流程VINS外参标定2.若旋转外参数qbcq_{bc}qbc未知,则先估计旋转外参数2.1获取最新两帧之间匹配的特征点对
いしょ·2020-07-15 06:44

记录编译Vins-mono中踩的坑

ceres版本导致的问题：开始用的ceres2.0的版本，在catkin_make的时候会报关于ceres/interger/...的错误，见下图。然后换成ceres1.4的版本，顺利解决这个问题；关于gflags的问题，报错如下图所示：错误：/usr/bin/ld:/usr/local/lib/libgflags.a(gflags.cc.o):relocationR_X86_64_32again
这道题太难了！·2020-07-15 06:18

将摄像头和IMU接入VINS-Mono遇到的一些问题汇总

一、畸变镜头模型在正式使用VINS-Mono之前需要把自己的摄像头进行标定，测出内参和畸变参数，opencv官方的标定demo中sample文件夹里的图片是用古老的镜头拍摄的，畸变程度高，需要用到高次项
Thinker_and_FKer·2020-07-15 06:45

VINS-Mono代码学习记录（七）----processImage( )

一、重定位帧的处理在process()函数中，在处理完IMU之后，接着就是对重定位帧的设置，代码片段如下：//[4]设置重定位帧setReloFrame()sensor_msgs::PointCloudConstPtrrelo_msg=NULL;//去看传感器数据的definitionwhile(!relo_buf.empty()){relo_msg=relo_buf.front();//返回队首
一直等待花开１·2020-07-15 06:15

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

VINS代码笔记

estimator_node.cpp系统入口首先找到main函数,读取参数,设置参数,imu_callback:IMU测量的回调函数imu_msg[接受到的IMU消息]1.执行con.notify_one();唤醒作用于process线程中的获取观测值数据的函数(怎么涉及到process线程的?)2.predict(imu_msg);对单次的IMU测量值做积分得到位移和姿态.//imu_msg[采
xiaoshuiyisheng·2020-07-15 06:38

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
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他