【SLAM】开源 | 港科大--VINS-Mono：基于视觉和IMU的紧耦合SLAM算法，VIO领域必读！

获取完整原文，公众号回复：1708.03852

论文地址： https://arxiv.org/pdf/1708.03852.pdf

代码： https://github.com/HKUST-Aerial-Robotics/VINS-Mono.git

来源： 香港科技大学

论文名称：VINS-Mono: A Robust and Versatile Monocular Visual-Inertial State Estimator

原文作者：Tong Qin

内容提要

单目视觉惯性系统(VINS)，是由一个相机和一个低成本惯性测量单元(IMU)组成的，这构成了用于测量六自由度状态估计的最小传感器套件。然而，由于缺乏直接距离测量数据，在IMU处理、估计器初始化、外部标定和非线性优化等方面仍然存在重大挑战。本文提出了一种命名为VINS-Mono的算法：该方法是一种具有鲁棒性和通用性的单目视觉惯性状态估计器。该方法首先提出了一种鲁棒的姿估计器初始化算法，并且可以在出现故障后进行位姿恢复。采用一种基于紧耦合、非线性优化的方法，通过融合预积分后的IMU测量值和特征观测值，获得高精度的视觉惯性里程计。结合紧耦合方法，回环检测模块能够以最小的计算代价实现重定位。此外，我们还进行四自由度位姿图优化，以强化全局一致性。我们验证了该系统在公共数据集和真实环境实验的性能，并与其他最先进的算法进行了比较。我们还在MAV平台上执行机载闭环自主飞行，并将算法移植到基于iOS的demo中。特别强调的是，本文提出的工作是一个可靠、完整和通用的系统，适用于需要高精度定位的不同应用。我们为PC和iOS移动设备开源了我们的实现方法。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。