文章：Inertial-Only Optimization for Visual-Inertial Initialization

作者：Carlos Campos, Jose M.M. Montiel and Juan D. Tard ′ os′

代碼：https://github.com/bxh1/VIDO-SLAM.git

編譯：點云PCL

本文僅做學術分享，如有侵權，請聯系刪除。歡迎各位加入免費知識星球，獲取PDF論文，歡迎轉發朋友圈。內容如有錯誤歡迎評論留言，未經允許請勿轉載！

公眾號致力于分享點云處理，SLAM，三維視覺，高精地圖相關的文章與技術，歡迎各位加入我們，一起每交流一起進步,有興趣的可聯系微信：920177957。本文來自點云PCL博主的分享，未經作者允許請勿轉載，歡迎各位同學積極分享和交流。

摘要

VIDO-SLAM是一種視覺慣性動態物體SLAM系統，能夠估計相機姿態，使用單目相機進行視覺慣性SLAM，跟蹤動態物體，算法無論是否使用IMU，都可以提供了使用單目相機在Kaist數據集中運行SLAM系統。

歷史文章：【開源分享】VDO-SLAM:基于視覺的動態SLAM感知系統

實現了功能包括：

（1）將MonoDepth2、FlowNet和MaskRcnn與可在基于ROS的SLAM系統中實時運行

（2）實現了室外場景中的視覺慣導SLAM

（3）跟蹤和估計動態對象的運動

?

主要內容及貢獻

這篇文章在視覺慣導SLAM初始化中的工作的主要貢獻有:

（1）考慮IMU噪聲的概率模型的情況下，將視覺-慣性初始化問題表述為只考慮慣的最優估計問題。

（2）一次性求解了所有的慣性參數，避免了解耦估計所產生的不一致性，這使得所有的估計都是一致。

（3）不做任何初始速度和姿態的假設，這使得該方法適用于任何初始情況。

（4）不假設IMU偏差為零，且將它們的已知信息編碼為被我們的MAP估計所利用的概率先驗。

根據不同傳感器初始化方法可以分為三個步驟:

僅視覺的最大后驗估計：使用BA初始化并運行短時間的單目ORB-SLAM，以獲得一個純視覺MAP估算的 up-to-scale，同時，計算關鍵幀間的IMU預積分及其協方差。

僅慣導的最大后驗估計：僅針對慣性的優化，使IMU軌跡與ORB-SLAM軌跡對齊，找到尺度，關鍵幀的速度、重力方向和IMU偏差 biases。

視覺-慣導的聯合最大后驗：將上一步的解作為完整VI-BA的種子，得到聯合最優解。

具體細節可查看原文：

https://arxiv.org/pdf/2003.05766.pdf

實驗

下表展示了EuRoC數據集中每0.5s進行一次初始化的結果統計：

視覺慣性BA前后，通過不同初始化方法沿EuRoC數據集的所有序列獲得的比例因子（估計和真值比例之間的比率）的實驗分布，總共啟動了2248次初始化。如下圖：

與原始ORBSLAM-VI和VINS Mono的比較結果。

代碼依賴：

• ROS

• PyTorch (Version: 1.4.0)

• GPU (at least 8GB of memory)

• OpenCV

• Pangolin

• g2o

• Eigen

相關文章：

Jun Zhang, Mina Henein, Robert Mahony and Viorela Ila.?VDO-SLAM: A Visual Dynamic Object-aware SLAM System.?Submitted to The International Journal of Robotics Research.?IJRR?(Under Review).

Carlos Campos, J. M. M. Montiel and Juan D. Tardós,?Inertial-Only Optimization for Visual-Inertial Initialization,?ICRA 2020.

總結

所提出的初始化方法比大多文獻中的方法更精確，計算時間非常短，這證實了最優估計理論能夠正確利用傳感器噪聲的概率模型，獲得比求解線性方程組或使用非加權最小二乘法更精確的結果。

資源

三維點云論文及相關應用分享

【點云論文速讀】基于激光雷達的里程計及3D點云地圖中的定位方法

3D目標檢測：MV3D-Net

三維點云分割綜述（上）

3D-MiniNet: 從點云中學習2D表示以實現快速有效的3D LIDAR語義分割（2020）

win下使用QT添加VTK插件實現點云可視化GUI

JSNet：3D點云的聯合實例和語義分割

大場景三維點云的語義分割綜述

PCL中outofcore模塊---基于核外八叉樹的大規模點云的顯示

基于局部凹凸性進行目標分割

基于三維卷積神經網絡的點云標記

點云的超體素(SuperVoxel)

基于超點圖的大規模點云分割

更多文章可查看：點云學習歷史文章大匯總

SLAM及AR相關分享

【開源方案共享】ORB-SLAM3開源啦！

【論文速讀】AVP-SLAM：自動泊車系統中的語義SLAM

【點云論文速讀】StructSLAM:結構化線特征SLAM

SLAM和AR綜述

常用的3D深度相機

AR設備單目視覺慣導SLAM算法綜述與評價

SLAM綜述(4)激光與視覺融合SLAM

Kimera實時重建的語義SLAM系統

SLAM綜述(3)-視覺與慣導，視覺與深度學習SLAM

易擴展的SLAM框架-OpenVSLAM

高翔：非結構化道路激光SLAM中的挑戰

SLAM綜述之Lidar SLAM

基于魚眼相機的SLAM方法介紹

如果你對本文感興趣，請后臺發送“知識星球”獲取二維碼，務必按照“姓名+學校/公司+研究方向”備注加入免費知識星球，免費下載pdf文檔，和更多熱愛分享的小伙伴一起交流吧！

以上內容如有錯誤請留言評論，歡迎指正交流。如有侵權，請聯系刪除

掃描二維碼

? ? ? ? ? ? ? ? ? ?關注我們

讓我們一起分享一起學習吧！期待有想法，樂于分享的小伙伴加入免費星球注入愛分享的新鮮活力。分享的主題包含但不限于三維視覺，點云，高精地圖，自動駕駛，以及機器人等相關的領域。

分享及合作方式：微信“920177957”（需要按要求備注） 聯系郵箱：dianyunpcl@163.com，歡迎企業來聯系公眾號展開合作。

點一下“在看”你會更好看耶

總結

以上是生活随笔為你收集整理的【开源分享】VIDO-SLAM：一种视觉惯性动态物体SLAM系统的全部內容，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。