重点内容
IMU的工作原理和噪声方程
视觉与IMU紧耦合的基础理论
从零开始实现VIO紧耦合优化器(仅仅基于Eigen)
VIO概述
VIO(Visual-Inertial Odometry):以视觉与IMU融合实现里程计
IMU(Inertial Measurement Unit),惯性测量单元
典型6轴IMU以较高频率(大于等于100Hz)返回被测物体的角速度与加速度
受自身温度、零偏、振动等因素干扰,积分得到的平移和旋转容易漂移
视觉(Visual Odometry)
以图像形式记录数据,频率较低(15-60Hz居多)
通过图像特征点或像素推断相机运动
IMU与视觉定位方案优势与劣势对比
方案 |
IMU |
视觉 |
优势 |
快速响应 不受成像质量影响 角速度普遍比较准确 可估计绝对尺度 |
不产生漂移 直接测量旋转与平移 |
劣势 |
存在零偏 低精度IMU积分位姿发散 高精度价格昂贵 |
受图像遮挡、运动物体干扰 单目视觉无法测量尺度 单目纯旋转运动无法估计 快速运动时易丢失 |
整体上,视觉和IMU定位方案存在一定的互补性质
IMU适合计算短时间、快速的运动
视觉适合计算长时间、慢速的运动
同时,可以利用视觉定位信息来估计IMU的零偏,减少IMU由零偏导致的发散和累计误差;反之,IMU可以为视觉提供快速运动时的定位
融合方案
松耦合
紧耦合
为什么要使用紧耦合
单纯凭()单目视觉或IMU都不具备估计Pose的能力;视觉存在尺度不确定性,IMU存在零偏导致漂移
送耦合中,视觉内部BA没有IMU信息,在整体层面来看不是最优的。
紧耦合可以一次性建模所有的运动和测量信息,更容易达到最优
预备知识回顾
四元数
四元数q有一个实部和三个虚部。我们把实部写在前:
或
其中为实部,为虚部,因为实部为标量虚部为矢量,所以也可以写成: