vins 基本介紹
vins 的整體系統框架圖
前端基於 klt 跟蹤演算法， 後端基於滑動視窗的優化(採用 ceres 庫)， 基於 dbow 的回環檢測。
整體框架分為五部分，如上圖所示：
measuremen preprocessing ：觀測值資料預處理，包含影象資料跟蹤imu資料預積分；
initialization：初始化，包含單純的視覺初始化和視覺慣性聯合初始化；
local visual-inertia ba and relocalization：區域性 ba 聯合優化和重定位，包含乙個基於滑動視窗的 ba 優化模型；
global pose graph optimization：全域性圖優化，只對全域性的位姿進行優化；
loop detection：回環檢測。
vins 為什麼採用「視覺 + imu」 融合？
單一的感測器不能適用所有的場景，比如視覺感測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，白牆等特徵較少的場景，基本上無法工作，而通過多個感測器的融合可以達到理想的定位效果。
小覓雙目攝像頭採用了「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，其相對位移資料又有很高的精度，所以當視覺感測器失效時，融合 imu 資料，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製是任何移動機械人都需要解決的主要需求。此外， 這兩種感測器在大多數智慧型手機中都有，融合可以有效解決移動手機上的視覺-慣性同時定位與製圖。
總結：
視覺與 imu 的融合可以借助 imu 較高的取樣頻率，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：
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 佔用率低，更適合朋友們快速上手。
vins 未來方向
相機和 imu 的天然互補性和智慧型手機的普及，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乙個有效的方向，而且結合稀疏直接法，有望在低端硬體上取得良好的 slam 或 vo 效果，是非常有未來前景的。
靜覓爬蟲學習筆記8 爬取貓眼電影
不知道是不是我學習太晚的原因，貓眼電影這 我用requests進行爬取原始碼直接返回給我乙個您的訪問被禁止。作為萌新的我登時就傻了，還好認真聽了之前的課，直接換selenium抓了原始碼，雖然效率慘不忍睹，但多少也能執行了，下面上 import json import requests import...
VINS學習筆記之一 開篇，從vio標定開始
今天是庚子鼠年臘月二十九，也是今年的最後乙個工作日，大部分同事都回家了或在回家的路上了，無心幹活，那就幹點自己喜歡的事情吧 imu parameters可以追蹤了解imu內參是如何使用的，進而深入了解imu 內參的精度是如何影響vio的精度的。optimization parameters可以追蹤是...
計算智慧型學習筆記
目前計算智慧型是以神經網路為主導,與模糊邏輯系統 進化計算以及訊號與資訊處理學科的綜合整合。計算智慧型的主要技術 1 模糊計算技術 2 神經計算技術 3 進化計算技術 4 混沌計算技術 隨著模糊邏輯 神經網路 進化計算 小波分析 人工生命以及人工智慧等交叉學科的綜合整合不斷深入和發展,用計算智慧型技...