VINS-Mono：视觉惯性导航系统解析

"VINS-Mono详解.pdf" 是一篇关于视觉惯性导航系统(VINS)中单目版本的详细解析，主要涵盖了VINS-Mono的代码结构、IMU预积分、视觉处理前端、系统初始化、后端优化以及边缘化等核心概念。 1. VINS-Mono代码目录: 该部分介绍了VINS-Mono的源代码组织结构，帮助开发者理解和跟踪代码逻辑，通常包括数据处理、状态估计、优化和系统集成等模块。 2. IMU预积分: 在视觉惯性里程计(VIO)中，IMU预积分是关键步骤，它避免了因位姿变化导致的重复积分。通过将参考坐标系设为前一帧的相机坐标系，可以计算出两帧间的相对运动。预积分涉及到连续时间状态方程，包括真实状态、标称状态和误差状态的状态方程，并且使用中值积分法来近似计算。 3. 视觉处理前端: 这部分处理来自相机的图像数据，包括特征检测、匹配和几何验证，为后端优化提供视觉测量。 4. 系统初始化: 初始化阶段确定相机与IMU的相对旋转，单目相机参数，以及通过结构与运动(SFM)和IMU预积分的对齐来估计初始速度、重力向量和尺度因子。此外，还包括陀螺仪偏置的校正和重力向量的精确调整。 5. 后端优化: 后端负责融合IMU和视觉信息，优化全局状态。状态向量包括所有关键帧的位置、姿态、速度、IMU偏置等。目标函数衡量测量与预测之间的残差，包括IMU和视觉测量约束。雅可比矩阵用于数值优化，协方差矩阵表示不确定性。 - IMU测量约束涉及IMU测量残差和待优化变量，以及它们的雅可比矩阵和协方差矩阵。 - 视觉测量约束则关注视觉特征的匹配残差，同样有对应的待优化变量、雅可比矩阵和协方差矩阵。 6. 边缘化(Marginalization): 为了保持系统的稳定性并减少内存需求，边缘化会丢弃旧的或不重要的信息，将其影响编码到剩余状态的协方差中，以实现在线稀疏化。 总结来说，VINS-Mono是一种实时的单目视觉惯性导航系统，它利用IMU的连续测量和相机的间断图像来估计设备的运动，结合预积分技术、前端视觉处理、精确初始化、后端非线性优化以及边缘化策略，实现高精度的定位和姿态估计。