VINS-Mono视觉SLAM总体设计框架解读

写在前面

VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator 的设计思路主要突出两点：

1. 针对于单目的鲁棒性很强的VIO 系统
2. 通用性很强的VIO框架

从论文和工程的设计思路无不体现着这两点，从考虑周密的初始化过程，到球面相机模型的引入等等都有体现，至于中间的Keyframe、Sliding Windows 以及4-DoF Pose Graph Optimization都是为了既保证优化的性能，也兼顾系统的实时性所做的一些考量。

论文解读

vins-mono 概述

解读vins-mono

• 首先 Measurement Preprocessing (Vision Processing Front End + IMU Preintegration Processing)开始 ;

• 然后通过一个松耦合的方式来做初始化；

• 再通过一个紧耦合的方式来做 Local Visual-inertial Odometry；

1. Measurement Preprocessing 过程

• Visual Preprocessing 每一帧图像特征点提取和 KLT稀疏光流追踪
• IMU Preprocessing 两帧图像之间IMU预积分
• Keyframe Selection

2. Estimator Initialization 过程

• 首先是 Monocular Vision-Only SfM in Sliding Window 得到一个初步的平移和旋转
• Camera - IMU rotation calibration
• Visual-inertial alignment 对齐

3. Tightly Computed Monocular VIO

Nonlinear graph optimization-based, tightly-coupled, sliding windows, visual-inertial bundle adjustment

代码解读

各文件夹功能解读

从CMakeLists.txt分析

vins_estimator

• 入口函数为 estimator_node.cpp/main()

• readParameters(n); 读取优化参数，IMU噪声和偏置，IMU-camera内参等

• estimator.setParameter(); tic ric

• 订阅 imu_callback feature_callback restart_callback relocalization_callback

• 发布 Odometry path point-cloud

• 订阅话题的回调函数只是数据缓存到 buf

• 真正的处理在线程 std::thread measurement_process{process};中

  getMeasurements 通过时间戳，简单地对齐 IMU 和 feature point
  对于每一个IMU数据： estimator.processIMU(dt, Vector3d(dx, dy, dz), Vector3d(rx, ry, rz));
  对于每一帧CAM数据： estimator.processImage(image, img_msg->header);
  publish Odometry/KeyPoses/CameraPose/PointCloud/TF/Keyframe

vins-estimator 主要程序，
pose_garph
feature_tracker 使用光流法追踪特征点
intrinsic_calib.cc 从其他的库复制过来的

从多线程角度分析

功能类的问题

附录：

参数/变量 名称

NUM_OF_CAM | int | parameter.h 1 | camera的数量

class 名称

FeatureTracker 特征点追踪类

• FeatureTracker trackerData[NUM_OF_CAM];

CameraFactory 不同的相机类型和校准模型

• static boost::shared_ptr instance(void);

TicToc 计算时间差的功能类

Estimator

参考文档：

最后

以上就是能干荷花为你收集整理的VINS-Mono视觉SLAM总体设计框架解读的全部内容，希望文章能够帮你解决VINS-Mono视觉SLAM总体设计框架解读所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。