wordpress home index,昆明网站建设推广优化,重庆建筑工程职业学院,导出wordpress所有链接一、IMU和相机数据融合保证位姿的有效性#xff1a; 当运动过快时#xff0c;相机会出现运动模糊#xff0c;或者两帧之间重叠区域太少以至于无法进行特征匹配#xff0c;所以纯视觉SLAM对快速的运动很敏感。而有了IMU#xff0c;即使在相机数据无效的那段时间内#xff…一、IMU和相机数据融合保证位姿的有效性 当运动过快时相机会出现运动模糊或者两帧之间重叠区域太少以至于无法进行特征匹配所以纯视觉SLAM对快速的运动很敏感。而有了IMU即使在相机数据无效的那段时间内也能保持一个较好的位姿估计这是纯视觉 SLAM 无法做到的。 当图像发生变化时本质上我们没法知道是相机自身发生了运动还是外界条件发生了变化所以纯视觉SLAM难以处理动态的障碍物。而IMU能获取自己的运动信息从某种程度上减轻动态物体的影响。 IMU虽然可以测得角速度和加速度但这些量都存在明显的漂移使得积分两次得到的位姿数据非常不可靠。相比于IMU相机数据基本不会有漂移所以相机数据可以有效地估计并修正IMU读数中的漂移使得在慢速运动后的位姿估计依然有效。
二、IMU和Camera数据融合获取位姿的主要流程
1、利用相机和IMU分别进行图像采集和惯性数据采集且IMU的采集频率大于相机的采集频率
2、提取相机获取的每一顿图像的特征点然后提取特征点的描述子匹配特征点计算相机位姿
3、对IMU得到的多组IMU数据进行预积分计算出两图像对应的IMU的位姿和速度
4、IMU初始化这一步的目的是获取IMU参数较好的初始值: 速度、重力以及Bias。 三、构建视觉残差和惯性残差的统一损失函数进行联合优化
视觉里程计VO通过最小化相关键帧的重投影误差计算得到相机的位姿和地标的位置IMU对相邻两帧的位姿之间添加约束而且对每一帧添加了状态量陀螺仪和加速度的偏差
四、IMU预积分过程
1、IMU测量模型 角速度是陀螺仪得到的 B是刚体IMU与相机的物体坐标系W是世界坐标系与角速度和陀螺仪的偏置有关系与陀螺仪存在的噪声有关
加速度是由R旋转乘加速度减重力加速度的差加速度计的偏置噪声
2、IMU运动学模型 某一时刻的旋转乘角速度 速度与加速度是有关系的位姿也可以通过速度求解出来的
3、基于运动学模型可得t和tΔt时刻状态关系
