摘自：https://zhuanlan.zhihu.com/p/48728586

小覓智能 | VINS 學習筆記（持續更新中）

小覓智能

專注立體視覺技術整體解決方案，網站 http://myntai.com

VINS 基本介紹

VINS-Mono 和 VINS-Mobile 是香港科技大學沈劭劼老師開源的單目視覺慣導 SLAM 方案。2017年發表于《IEEE Transactions on Robotics》。另外，VINS 的最新一篇論文獲得了 iROS 2018 最佳學生論文獎。它是基于優化和滑動窗口的 VIO ，使用 IMU 預積分構建緊耦合框架，同時還有自動初始化，在線外參標定，重定位，閉環檢測，以及全局位姿圖優化功能。

?

VINS-Mono 是基于單目視覺慣性系統的實時 SLAM 框架， 是目前非常先進的單目 VIO 算法，更是視覺與 IMU 的融合中的經典之作，其定位精度可以媲美 OKVIS，而且具有比 OKVIS 更加完善和魯棒的初始化以及閉環檢測過程，代碼在 Linux 上運行，并與 ROS 完全集成。VINS-Mono 主要用于自主無人機的狀態估計和反饋控制，但它也能夠為 AR 應用提供精確的定位。VINS-Mobile 可以運行在 iOS 系統，值得一提的是，沈劭劼老師開源了 ROS 和 iOS 版本，前端寫的很簡潔，代碼非常清晰，值得大家學習，鏈接：https://arxiv.org/pdf/1708.03852.pdf。

?

VINS 的整體系統框架圖

?

前端基于 KLT 跟蹤算法， 后端基于滑動窗口的優化(采用 ceres 庫)， 基于 DBoW 的回環檢測。

?

整體框架分為五部分，如上圖所示：

1. Measuremen Preprocessing ：觀測值數據預處理，包含圖像數據跟蹤IMU數據預積分；

2. Initialization：初始化，包含單純的視覺初始化和視覺慣性聯合初始化；

3. Local Visual-Inertia BA and Relocalization：局部 BA 聯合優化和重定位，包含一個基于滑動窗口的 BA 優化模型；

4. Global Pose Graph Optimization：全局圖優化，只對全局的位姿進行優化；

5. Loop detection：回環檢測。

?

VINS 為什么采用「視覺 + IMU」 融合？

單一的傳感器不能適用所有的場景，比如視覺傳感器在大多數紋理豐富的場景中效果很好，但是如果遇到玻璃，白墻等特征較少的場景，基本上無法工作，而通過多個傳感器的融合可以達到理想的定位效果。

?

小覓雙目攝像頭采用了「雙目+慣導+結構光」的融合方案

?

雖然 IMU 長時間使用有非常大的累積誤差，但是在短時間內，其相對位移數據又有很高的精度，所以當視覺傳感器失效時，融合 IMU 數據，能夠提高其定位的精度。與此同時，視覺和慣性測量的互補特性， 使它們特別適合融合， 而魯棒性和準確的定位與地圖繪制是任何移動機器人都需要解決的主要需求。此外， 這兩種傳感器在大多數智能手機中都有，融合可以有效解決移動手機上的視覺-慣性同時定位與制圖。

卜小乂 總結道：

• 視覺與 IMU 的融合可以借助 IMU 較高的采樣頻率，進而提高系統的輸出頻率。
• 視覺與 IMU 的融合可以提高視覺的魯棒性，如視覺 SLAM 因為某些運動或場景出現的錯誤結果。
• 視覺與 IMU 的融合可以有效的消除 IMU 的積分漂移。
• 視覺與 IMU 的融合能夠校正 IMU 的 Bias。
• 單目與 IMU 的融合可以有效解決單目尺度不可觀測的問題。

?

小覓雙目攝像頭標準版跑 VINS 實測：

?

?

VINS 相較 OKVIS 方案搭建很快，CPU 占用率低，更適合朋友們快速上手。

VINS-Fusion

最近港科大開源的 VINS-Fusion 贏得了很多知友的關注，非常榮幸推薦我們的相機呀～

VINS-Fusion 是一種基于優化的多傳感器狀態估計器，可實現自主應用（無人機，汽車和 AR / VR）的精確自定位。 VINS-Fusion 是 VINS-Mono 的擴展，支持多種視覺慣性傳感器類型（單目攝像機+ IMU，雙目攝像機+ IMU，甚至僅限雙目攝像機）。開源項目組還展示了將 VINS 與 GPS 融合的模組示例。

特征如下：

多傳感器支持（立體攝像機/單聲道攝像機+ IMU /立體攝像機+ IMU）

在線空間校準（相機和 IMU 之間的轉換）

在線時間校準（相機和 IMU 之間的時間偏移）

視覺循環閉合

小覓雙目攝像頭標準版跑 VINS-Fusion 實測：

?

VINS 未來方向

相機和 IMU 的天然互補性和智能手機的普及，使得視覺慣性里程計 VIO 近幾年很流行，蘋果的 ARKit 和谷歌的 ARCore 都是 VIO 的典型應用。VIO 為將來 SLAM 的小型化與低成本化提供了一個有效的方向，而且結合稀疏直接法，有望在低端硬件上取得良好的 SLAM 或 VO 效果，是非常有未來前景的。

?

文章內容部分出自小覓智能 & 深藍學院舉辦的公開課：

小覓智能 | 如何進行 VSLAM 技術選型?

www.shenlanxueyuan.com

感興趣的朋友可以前往觀看完整內容。（網站需要注冊登陸查看）

更多 SLAM 學習資源：

小覓智能 | 視覺里程計（VO）學習筆記?zhuanlan.zhihu.com小覓智能 | ORB-SLAM 學習筆記?zhuanlan.zhihu.com小覓智能 | 學習 SLAM 該如何入門？?zhuanlan.zhihu.com小覓智能：小覓智能 | OKVIS 學習筆記?zhuanlan.zhihu.com

歡迎大家點贊呀～ 點贊的人兒最美麗～

想購買的朋友可以點這里 ：

小覓智能 的推薦

小覓雙目深度相機系列

立即購買

總結

以上是生活随笔為你收集整理的小觅智能 | VINS 学习笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。