VINS(五)非线性优化与在线标定调整
首先根据最大后验估计(Maximum a posteriori estimation,MAP)构建非线性优化的目标函数。
初始化过程通过线性求解直接会给出一个状态的初值,而非线性优化的过程关键在于求解增量方程,并不断迭代到最优点,需要在初值以及后续的迭代点附近线性化(泰勒展开保留一阶后平方构建高斯牛顿梯度下降的增量方程):
在初值x附近泰勒展开
$f(x+\Delta x) = f(x) + J\Delta x$
$costFunction = [f(x+\Delta x)]^{2}$
最小化costFunction的过程其实就是迭代求解增量方程
$H\Delta x = b$
其中$H = J^{T}J$,$b = -J^{T}f$
因此,首先需要定义状态的增量,主要因为旋转矩阵没有加法,无法迭代求解,因此在SO(3)流形的正切空间上定义四元数的加法,并表示成最小坐标的李代数(轴转角)形式
因此对应的error-state costFunction定义为:
注意该式求解的是迭代需要使用的增量,而不是初始化过程可以直接线性求解出的初值。这是优化过程和初始化过程中costFunction的主要不同点。
接下来还需要建立对应的观测方程去计算residual及其Jacobian,并且推到误差的传播方程。和初始化过程中对比,增加的有:
- IMU中的旋转矩阵;
- 误差传播考虑旋转矩阵及其与translation之间的相关性;
对比初始化和非线性优化过程:
- 都是基于Sliding Window,但是初始化中每组Sliding Window只会计算一次,如果没有收敛到可以完成初始化,则扩大窗口大小,或者直接滑动窗口;
- Nonlinear Optimization中Sliding Window则是在固定的Sliding Window中求解增量方程迭代优化到满足一定条件(residual收敛或者限制固定迭代次数保证计算量的平衡);
转载于:https://www.cnblogs.com/shang-slam/p/7081923.html
VINS(五)非线性优化与在线标定调整相关推荐
- imu相机标定_解放双手——相机与IMU外参的在线标定
本文作者 沈玥伶,公众号:计算机视觉life,编辑部成员 一.相机与IMU的融合 在SLAM的众多传感器解决方案中,相机与IMU的融合被认为具有很大的潜力实现低成本且高精度的定位与建图.这是因为这两个 ...
- VINS外参在线标定估计
由于使用的数据相对参数提供的不够精确导致结果精度不高,因此需要研究一下外参的在线估计. VINS外参标定指的是对相机坐标系到IMU坐标系的变换矩阵进行在线标定与优化. 1.参数配置 在参数配置文件ya ...
- VINS 外参在线标定
在VINS中相机的外参RicR_{ic}Ric是可以在线动态标定的,实现函数为: /*** @brief 外参在线标定* * @param corres 两帧图像之间的共视特征点* @param d ...
- 多传感器融合定位十五-多传感器时空标定(综述)
多传感器融合定位十五-多传感器时空标定 1. 多传感器标定简介 1.1 标定内容及方法 1.2 讲解思路 2. 内参标定 2.1 雷达内参标定 2.2 IMU内参标定 2.3 编码器内参标定 2.4 ...
- 多传感器融合感知 --传感器外参标定及在线标定学习
0. 简介 作为无人车以及智能机器人而言,在装配过程中各个传感器之间的外参标定一直是比较头疼的问题.这里作者也系统的学习了一下,传感器的外参标定和在线标定问题.下图是我们常用的几个坐标系,而对于常用的 ...
- 多传感器融合感知:传感器外参标定及在线标定算法详解
点击下方卡片,关注"自动驾驶之心"公众号 ADAS巨卷干货,即可获取 点击进入→自动驾驶之心[全栈算法]技术交流群 后台回复[相机标定]获取超详细的单目双目相机模型介绍.内外参标定 ...
- 基于自动驾驶车辆的激光雷达与摄像头之间的在线标定算法
原文首发于微信公众号「3D视觉工坊」--基于自动驾驶车辆的激光雷达与摄像头之间的在线标定算法 本文英文名为<Automatic Online Calibration of Cameras and ...
- for根据ID去重_汽车ECU参数标定之配置Overlay RAM实现Qorivva MPC57xx系列MCU参数在线标定和代码重映射原理和方法详解...
内容提要 引言 1. MPC5744P的Overlay RAM工作原理介绍 2 MPC5744P的Flash Overlay配置详解 2.1 平台Flash标定区域描述字寄存器配置字0--PFLASH ...
- 【LCC系列】自动驾驶中激光雷达和相机的自动在线标定(2013)
文章目录 1 动机 2 方法 2.1 提取图像边缘 2.2 提取点云深度不连续 2.3 目标函数 2.4 检测标定误差 2.5 自动在线标定 3 实验 3.1 在线检测标定误差 3.2 在线纠正标定误 ...
最新文章
- Javascript:字符串分割split()妙用
- npm: 权限阻止修复
- Linux kernel 3.10内核源码分析--进程上下文切换
- 数据结构折半查找算法C语言,数据结构C语言实现----折半查找
- ACM MM2021 | 腾讯优图实验室9篇论文入选,含弱监督图像描述及定位、表格结构识别等研究方向...
- Python入门--获取指定目录下的所有.py文件
- ASP.NET MVC with Entity Framework and CSS一书翻译系列文章之第二章:利用模型类创建视图、控制器和数据库...
- win10找回自带的windows照片查看器——打开jpg、png、gif、psd其他格式的图片
- guge图标——ps
- metro样式开机启动菜单_如何在Windows 8中获取Metro风格的开始菜单和开始按钮
- Echarts-实现3D柱状图显示,并单个柱子变色
- 华益血糖信息管理系统服务器,华益血糖信息化管理系统
- 弱网工具-NEWT应用
- 页面布局常用,让子级div排排坐
- 《三国演义》中死不瞑目的十大风流人物
- 校园寝室管理系统-“轻舟校园”助力校园实现信息化、智能化管理
- PVID(pvid vlan是什么意思)
- Python Excel文件操作
- 如何使用计算机自带的刻录软件,windows自带刻录软件,联想自带的刻录软件
- WhatsApp Business API解读
热门文章
- 工控蜜罐Conpot部署和入门及高级演变
- 进程 线程 多进程 多线程 父进程 子进程
- 【React Native开发】React Native控件之DrawerLayoutAndroid抽屉导航切换组件解说(13)
- iOS - UIEvent事件及UIResponder响应者
- markdown常见问题
- piblog 0.1
- 免安装Oracle客户端使用PL/SQL
- ArcGIS Server 10 for java 注册SOE出现的问题
- 还在使用 Windows?我的70岁母亲都用了 21 年 Linux
- 56秒看完131年英格兰顶级联赛冠军排行:利物浦时隔30年再夺冠