双目视觉惯性里程计的在线初始化与自标定算法
source link: https://mp.weixin.qq.com/s/gt8YjQvdOCr7O1SpEWx1zA
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
双目视觉惯性里程计的在线初始化与自标定算法
算法结构如下图所示:算法主要包括三个模块:关键帧生成模块、在线初始化模块、尺度更新和全局BA模块。关键帧生成模块:包括两个并行的单目VO前端,该模块对捕获的图像进行处理,并输出基于稀疏映射点的同步关键帧。在线初始化模块:包括3步过程,在每一步都求解了几个线性方程。第一个过程:解耦了陀螺仪偏差估计和外部方向标定,并进行迭代求解;第二个过程:大致估计两个前端的视觉尺度因子,重力,以及相机- imu和相机-相机对的外部平移;第三个过程:进一步考虑了加速度计的偏置和重力加速度的大小,从而改进了第二个过程的结果尺度更新和全局BA模块:检索所有关键帧的速度,更新关键帧姿态的比例和构造的映射,并重新计算预积分项,以纠正加速度计的偏差,同时,提供了全局优化选项(GBA)来优化系统状态3、在线初始化模块剖析1)迭代陀螺仪偏置估计和方向标定假定初始化阶段,陀螺仪偏置为常数(一般通过最小化相机旋转和IMU旋转之间的差来估计)步骤:重复迭代过程,直至收敛超定线性方程:求解(SVD分解求最小二乘):求解超定方程:优化尺度、重力和平移参数:
4、实验分析
进行了仿真实验和真实世界的实验来对算法进行测评。1)仿真实验在仿真实验中,设计了一种以3米为半径的圆周运动轨迹为垂直正弦运动轨迹的IMU。通过计算参数化轨迹的解析导数,加上白噪声和缓慢时变偏置,得到仿真的IMU输出。模拟的相机姿态是通过使用模拟的相机- imu和相机-相机外部参数的变换获得的。2)现实世界实验备注:作者也是我们「3D视觉从入门到精通」特邀嘉宾:一个超干货的3D视觉学习社区本文仅做学术分享,如有侵权,请联系删文。下载1在「3D视觉工坊」公众号后台回复:3D视觉,即可下载 3D视觉相关资料干货,涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。下载2在「3D视觉工坊」公众号后台回复:3D视觉github资源汇总,即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。下载3在「3D视觉工坊」公众号后台回复:相机标定,即可下载独家相机标定学习课件与视频网址;后台回复:立体匹配,即可下载独家立体匹配学习课件与视频网址。
重磅!3DCVer-学术论文写作投稿 交流群已成立
扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。同时也可申请加入我们的细分方向交流群,目前主要有3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。
一定要备注:研究方向+学校/公司+昵称,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,可快速被通过且邀请进群。原创投稿也请联系。
▲长按加微信群或投稿▲长按关注公众号
3D视觉从入门到精通知识星球:针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近3000星球成员为创造更好的AI世界共同进步,知识星球入口:
学习3D视觉核心技术,扫描查看介绍,3天内无条件退款 圈里有高质量教程资料、可答疑解惑、助你高效解决问题觉得有用,麻烦给个赞和在看~
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK