论文阅读笔记:(2015, ijrr) Keyframe-based visual–inertial odometry using nonlinear optimization
算是基于滑窗的VIO的必读文章吧,很详细地说了边缘化~
paper:
http://in.ruc.edu.cn/wp-content/uploads/2021/01/Keyframe-Based-Visual-Inertial-Odometry-Using-Nonlinear-Optimization.pdfhttp://in.ruc.edu.cn/wp-content/uploads/2021/01/Keyframe-Based-Visual-Inertial-Odometry-Using-Nonlinear-Optimization.pdf一、简介/贡献
对于VIO系统, 通过紧耦合和非线性优化,能够在视觉部分有outlier的时候大幅提升精度;
提供了一种在线相机外参的标定方法;
细节详细,方便re-implemantation
二、包含惯性项的批视觉slam(Batch Visual SLAM with Inertial Terms)
坐标系定义:
需要求解的状态如下:
Cost Function:
a. 重投影误差(Reprojection Error Formulation)
重投影误差及其Jaccobin,可以参考高博书的第四章和第七章:
b. IMU运动学及其偏差模型(IMU Kinematics and Bias Model)
(详见论文)
c. IMU测量误差项(Formulation of the IMU Measurement Error Term)
三、前端概览 (Frontend Overivew)
3.1 关键点匹配,检测和变量初始化 (Keypoint Detection, Matching, and Variable Initialization)
关键点和描述子分别是: SSE-optimized Harris corner detector + BRISK descriptor
匹配步骤:
a. 根据IMU大致预测当前帧的位置, 且获得可观测到的地图点;
b. 3D 到 2D 匹配:深度收敛的地图点直接在当前帧匹配, 用匹配结果通过RANSAC计算当前帧的绝对位姿;
c. 2D到2D匹配: 当前帧无地图点的关键点和所有active关键帧中深度没有收敛的关键点(any previous frames available)匹配 -> 三角化估计这些点的空间位置->位置uncertainty低的加入地图点->RANSAC求当前帧到最新一帧的相对位姿(怎么求,有什么作用没有看懂)。
3.2 关键帧选择 (Keyframe Selection)
当3D to 2D匹配的点数小于检测出的的关键点的50%, 或者2D to 2D匹配的点数小于检测出的的关键点的20%时, 就认为当前帧可以作为一个关键帧;
四、关键帧和边缘化 (Keyframes and Marginalization)
4.1 边缘化的数学基础(Mathematical Formulation of Marginalization in Nonlinear Optimization)
非常详细的博客: 滑窗优化——边缘化_一抹烟霞的博客-CSDN博客_滑动窗口边缘化https://blog.csdn.net/qq_34213260/article/details/120359990#t17
关于“First Order Jacobin”: (2011, icra) Motion tracking with fixed-lag smoothing: Algorithm and consistency analysis
4.2 具体边缘化策略(Marginalization Applied to Keyframe-Based Visual-Inertial SLAM)
对要边缘化的状态的选择遵循原则:1. 保证H矩阵不要太大;2. 保证H矩阵的稀疏性;
首先会marg一些IMU Bias和速度
对于非Key Frame的帧, 丢弃其地标点, marg掉pose, IMU bias和速度:
对于Key Frame的帧, , marg掉pose, IMU bias和速度,以及不被最新Key Frame看到的地标
论文阅读笔记:(2015, ijrr) Keyframe-based visual–inertial odometry using nonlinear optimization相关推荐
- 论文阅读笔记:Link Prediction Based on Graph Neural Networks
文章目录 说明 Abstract 1 Introduction 2 Preliminaries Notations Latent features and explicit features Grap ...
- Fast R-CNN论文阅读笔记
文章目录 Fast R-CNN论文阅读笔记2015 Abstract 1. Introduction 1.1 R-CNN and SPPnet 1.2 Contributions 2.Fast R-C ...
- 【SOD论文阅读笔记】Visual Saliency Transformer
[SOD论文阅读笔记]Visual Saliency Transformer 一.摘要 Motivation: Method: Experimental results 二.Introduction ...
- Visual Attribute Transfer through Deep Image Analogy论文阅读笔记
Visual Attribute Transfer through Deep Image Analogy论文阅读笔记 介绍 论文提出了一种新的两张图片直接进行视觉属性迁移的方法.该方法针对的是两张具有 ...
- Dynamic MDETR: A Dynamic Multimodal Transformer Decoder for Visual Grounding 论文阅读笔记
Dynamic MDETR: A Dynamic Multimodal Transformer Decoder for Visual Grounding 论文阅读笔记 一.Abstract 二.引言 ...
- 论文阅读笔记(5):Oracle Based Active Set Algorithm for Scalable Elastic Net Subspace Clustering
论文阅读笔记(5):Oracle Based Active Set Algorithm for Scalable Elastic Net Subspace Clustering,基于Oracle的可伸 ...
- 论文阅读笔记--Aesthetics-Driven Stereoscopic 3-D Image Recomposition With Depth Adaptation-2018
论文阅读笔记:美学引导的带有深度适应的立体3D图像重构 I.介绍 II.相关工作 A.单目(2D)图像处理 1)美学驱动的重构(Recomposition) 2)图像分割与抠图(Segment and ...
- Small Object Detection using Context and Attention(论文阅读笔记)
Small Object Detection using Context and Attention 论文阅读笔记 出处:2021 International Conference on Artifi ...
- [论文阅读笔记53]2021深度神经方法的关系三元组抽取综述
1. 题目 Deep Neural Approaches to Relation Triplets Extraction: A Comprehensive Survey Tapas Nayak†, N ...
最新文章
- struts2中result的type属性详解
- matlab全景图素材,matlab以simulink的方式建立一个vr模型
- 计算机专业英语已经出版,欢迎关注
- CTFshow 文件上传 web156
- echarts mysql scrapy_抓取58job, 赶集job以及智联招聘,并使用数据分析生成echarts图...
- 中国人工智能学会通讯——智能系统测评:挑战和机遇
- 关于慢开始、拥塞控制、快重传、快恢复算法的理解
- The new year,new mood,new plan~~
- js原生设计模式——3简单工厂模式\简单工厂模式封装简单对象
- 【工大SCIR笔记】多模态信息抽取简述
- 微信公众平台体验之三(手机号归属)
- 微信小程序:最新微信登录授权并获取openid等信息
- 【信息技术】【2014.07】交通监控中的车辆跟踪与速度估计
- 利用路由器实现VLAN
- 年薪百万的阿里 P7 到底该具备什么样的能力?
- ps批量修改名片文字_教你用PS设计漂亮的名片
- 【编程语言】Swift完全自学手册
- java导出多个excel,以压缩包下载
- 【小程序源码】宝宝起名神器
- 脱颖而出:为您的独立游戏扩大客户群 游戏运营
热门文章
- 我和百度汽车公司 CEO 聊了下百度汽车未来的样子:更像是一个智能机器人
- 世界杯征文活动 | 神奇!一段JavaScript代码生成会动的足球
- 局域网网盘 构建局域网网盘(校园云盘,育网云盘,私有云盘)
- 双螺旋式艾默生流量计的工作特点
- 苹果手机白屏_微信可以修改消息提示音啦!还同时支持苹果/安卓
- 会声会影X7安装不了,总是提示已经安装其他版本,怎么办
- Python用img2pdf库批量转换图片为PDF文件
- 效率为王,居家办公必备的5款小工具
- PHP+Mysql服装商城 网上服装购物商城 基于PHP服装商城的系统设计与实现(3)用户注册
- jq动画函数:show()、hide()、toggle()、slideDown()、slideUp()、slideToggle()、fadeIn ()、fadeOut ()、fadeToggle ()