念念无滞

摘要： 1. IMU的测量值是什么？ IMU的测量值是三轴加速度和三轴角速度。它们都是在IMU当前时刻的坐标系下表达的向量值，记作$a_t, \omega_t$ ##2.通过IMU的测量我们想获得什么？ 很显然，我们要获得的是当前时刻的位姿，包括位移$P$和旋转$R$（如果用四元数表示就是$q$）。为了代码 阅读全文

摘要： 视觉和IMU的对齐 1. 求陀螺仪的零偏$b_g$ 视觉计算出了帧间的旋转，IMU也计算出了帧间的旋转，这两者之间并不太一致，那么谁是对的呢？这里采用视觉计算出的值，认为IMU由于零偏的不准确导致计算的旋转不准确。通过调整零偏，使得目前所有帧的帧间旋转都尽量的靠近视觉计算的值。同时，这里还假设了零偏 阅读全文

摘要： ProjectionFactor继承自Ceres的SizedCostFunction。它表示的是第i帧中单位相机平面上的点pts_i重投影到第j帧单位相机平面上的点与匹配点pts_j的投影误差。需要实现构造函数以及重载Evaluate函数。 class ProjectionFactor : publ 阅读全文

摘要： slam, VINS 阅读全文

摘要： 假设WINDOW_SIZE=5(代码中为10），则buffer大小为6(WINDOW_SIZE+1)，最新来的帧放到WINDOW_SIZE的位置，记作X，但是WINDOW_SIZE位置的帧不参与优化。如图： estimator::processImage()中首先检查新的到帧与前一帧之间的视差，如果 阅读全文

摘要： 从两帧IMU数据中获得当前位姿的预测思路非常简单，无非是求出当前时刻$t$与下一时刻$t+1$加速度的均值， 把它作为$\Delta t$时间内的平均加速度，有了这个平均加速度及当前时刻的初始速度和初始位置，就可以近似的求出$t+1$时刻的速度和位置。求出当前时刻$t$与下一时刻$t+1$角速度的均 阅读全文

摘要： 第3章 线性高斯系统状态估计 线性高斯系统状态估计问题可以分为连续时间状态估计和离散时间状态估计。连续时间的状态估计又称为高斯过程回归(Guassian Process Regression)。离散时间状态估计可以看作连续时间状态估计问题在观测时刻的精确实现。先从离散时间的状态估计问题讲起。 离散时 阅读全文

摘要： State Estimation for Robotics这本书逻辑非常清晰，讲解也很全面，但是公式非常多。在推导公式的过程中很容易就陷入到细节里面跳不出来，最后反而对整体缺少把握。 接下来的一系列文章，是我在学完每一张之后的一个总结。争取能够讲清楚每一部分的总体思路，同时又把公式推导过程中一些疑问 阅读全文