程序员经验分享-hwhale

VINS-Mono代码详解 ——— （0）原理框图 + ROS 基础知识 + 代码目录图

2023-05-16

VINS-Mono代码详解 ——— （0）原理框图与代码流程图

  • 一、VINS原理图
    • 1 前端（数据预处理）
    • 2 后端（滑窗优化）
    • 3 初始化
    • 4 闭环
  • 二、ROS 基础知识
    • 1. 运行VINS-Mono
    • 2. rqt_graph（显示node）
      • node only（模式）
      • node all（模式）
  • 三、VINS目录结构

一、VINS原理图

在这里插入图片描述

1 前端（数据预处理）

  1. 相邻帧的光流跟踪：建立当前与滑窗中其他共视关系，即重投影误差约束
  2. Shi -Tomas特征点提取：保证一定数量的特征点
  3. IMU 预积分：计算当前帧的位姿作为初始值，计算IMU 约束的误差项、协方差和Jacobian

2 后端（滑窗优化）

  1. 联合优化视觉重投影误差、IMU运动约束、先验约束

3 初始化

  1. 基于视觉信息来计算运动轨迹
  2. 基于IMU信息来计算运动轨迹
  3. 视觉和IMU松耦合来优化尺度、速度、重力

4 闭环

  1. 通过词袋找闭环帧，暴力匹配进行特征点滑窗优化的相对位姿
  2. 利用闭环帧的相对位姿进行轨迹四自由度优化

二、ROS 基础知识

1. 运行VINS-Mono

$ roslaunch vins_estimator euroc.launch
$ roslaunch vins_estimator vins_rviz.launch 
$ rosbag play YOUR_PATH_TO_DATASET/MH_03_medium.bag
  1. master —— 节点管理器，负责管理所有节点
  2. node —— 节点，相互独立的可执行文件
  3. topic—— 主题，节点之间通信的主题
  4. rosrun —— 一次运行—个node
  5. roslaunch —— 一次运行多个node
  roslaunch  功能包名称  launch文件 [参数设置]

这里roslaunch命令会在对应的功能包中找到名称匹配的launch文件，并执行这个launch文件。如果设置了参数的话，会将参数传入到launch文件中赋给对应的参数。

例如，执行vins_estimator功能包中的euroc.launch文件，命令如下：

roslaunch vins_estimator euroc.launch

如果在launch文件所在路径下执行该launch文件的话，就不需要加功能包名称了，因为此时是能直接找到launch文件的。

如果运行launch文件时需要设置参数，如下所示。arg为参数名称，value为给参数的赋值。

roslaunch my_file.launch arg:=value

注意：在执行roslaunch命令时，一定要先执行source命令：source …/devel/setup.bash命令，否则找不到对应的包名称。

  1. package —— 一个功能包，包含多个node

2. rqt_graph（显示node）

rqt_graph是用图形表示当前活动中的节点与在ROS网络上传输的消息之间的相关性的工具。这对了解当前ROS网络情况非常有用。
使用方法：
在catkin_ws文件夹下打开打开四个终端分别运行以下命令：

roscore
//不要忘记设置环境变量：source devel/setup.bash
source devel/setup.bash && roslaunch vins_estimator euroc.launch 
source devel/setup.bash && roslaunch vins_estimator vins_rviz.launch
source ~/catkin_ws/devel/setup.bash && rosbag play MH_01_easy.bag

重新打开新终端：

sudo dot -c
rqt_graph

node only（模式）

在这里插入图片描述

node all（模式）

在这里插入图片描述

代码主要包括3个node：feature_tracker（前端），vins_estimator（后端），pose_graph（闭环）：

  1. feature_tracker —— 仅负责特征点提取和发布；
  2. pose_graph —— 关键帧的选择/位姿图建立/回环检测；
  3. vins_estimator —— 的内容最多了，包含了初始化，滑窗，优化等后端内容和IMU预积分等前端内容，并且在这个结点里分出了2个线程。

三、VINS目录结构

在这里插入图片描述

sfann@sfann-virtual-machine:~/catkin_ws/src$ tree
.
├── CMakeLists.txt -> /opt/ros/melodic/share/catkin/cmake/toplevel.cmake
└── VINS-Mono
    ├── ar_demo       //一个ar应用demo
    │   ├── cmake
    │   │   └── FindEigen.cmake
    │   ├── CMakeLists.txt
    │   ├── launch
    │   │   ├── 3dm_bag.launch
    │   │   ├── ar_rviz.launch
    │   │   └── realsense_ar.launch
    │   ├── package.xml
    │   └── src
    │       └── ar_demo_node.cpp
    ├── benchmark_publisher       //发布数据集中参考值(基准值)
    │   ├── cmake
    │   │   └── FindEigen.cmake
    │   ├── CMakeLists.txt
    │   ├── config
    │   │   ├── MH_01_easy
    │   │   │   └── data.csv
    │   │   ├── MH_02_easy
    │   │   │   └── data.csv
    │   │   ├── MH_03_medium
    │   │   │   └── data.csv
    │   │   ├── MH_04_difficult
    │   │   │   └── data.csv
    │   │   ├── MH_05_difficult
    │   │   │   └── data.csv
    │   │   ├── V1_01_easy
    │   │   │   └── data.csv
    │   │   ├── V1_02_medium
    │   │   │   └── data.csv
    │   │   ├── V1_03_difficult
    │   │   │   └── data.csv
    │   │   ├── V2_01_easy
    │   │   │   └── data.csv
    │   │   ├── V2_02_medium
    │   │   │   └── data.csv
    │   │   └── V2_03_difficult
    │   │       └── data.csv
    │   ├── launch
    │   │   └── publish.launch
    │   ├── package.xml
    │   └── src
    │       └── benchmark_publisher_node.cpp
    ├── camera_model
    │   ├── cmake
    │   │   └── FindEigen.cmake
    │   ├── CMakeLists.txt
    │   ├── include
    │   │   └── camodocal
    │   │       ├── calib      //相机参数标定
    │   │       │   └── CameraCalibration.h
    │   │       ├── camera_models            //各类相机模型
    │   │       │   ├── CameraFactory.h
    │   │       │   ├── Camera.h
    │   │       │   ├── CataCamera.h
    │   │       │   ├── CostFunctionFactory.h
    │   │       │   ├── EquidistantCamera.h
    │   │       │   ├── PinholeCamera.h
    │   │       │   └── ScaramuzzaCamera.h
    │   │       ├── chessboard              //用于检测棋盘格特征点
    │   │       │   ├── ChessboardCorner.h
    │   │       │   ├── Chessboard.h
    │   │       │   ├── ChessboardQuad.h
    │   │       │   └── Spline.h
    │   │       ├── gpl
    │   │       │   ├── EigenQuaternionParameterization.h
    │   │       │   ├── EigenUtils.h
    │   │       │   └── gpl.h
    │   │       └── sparse_graph
    │   │           └── Transform.h
    │   ├── instruction
    │   ├── package.xml
    │   ├── readme.md
    │   └── src
    │       ├── calib
    │       │   └── CameraCalibration.cc
    │       ├── camera_models
    │       │   ├── Camera.cc
    │       │   ├── CameraFactory.cc
    │       │   ├── CataCamera.cc
    │       │   ├── CostFunctionFactory.cc
    │       │   ├── EquidistantCamera.cc
    │       │   ├── PinholeCamera.cc
    │       │   └── ScaramuzzaCamera.cc
    │       ├── chessboard
    │       │   └── Chessboard.cc
    │       ├── gpl
    │       │   ├── EigenQuaternionParameterization.cc
    │       │   └── gpl.cc
    │       ├── intrinsic_calib.cc        //相机矫正模块主函数
    │       └── sparse_graph
    │           └── Transform.cc
    ├── config                      //硬件、系统配置文件
    │   ├── 3dm
    │   │   └── 3dm_config.yaml
    │   ├── AR_demo.rviz
    │   ├── black_box
    │   │   └── black_box_config.yaml
    │   ├── cla
    │   │   └── cla_config.yaml
    │   ├── euroc
    │   │   ├── euroc_config_no_extrinsic.yaml
    │   │   └── euroc_config.yaml
    │   ├── extrinsic_parameter_example.pdf
    │   ├── fisheye_mask_752x480.jpg
    │   ├── fisheye_mask.jpg
    │   ├── realsense
    │   │   ├── realsense_color_config.yaml
    │   │   ├── realsense_fisheye_config.yaml
    │   │   └── realsense_zr300
    │   ├── tum
    │   │   └── tum_config.yaml
    │   └── vins_rviz_config.rviz
    ├── docker
    │   ├── Dockerfile
    │   ├── Makefile
    │   └── run.sh
    ├── feature_tracker     //特征提取与特征跟踪   
    │   ├── cmake
    │   │   └── FindEigen.cmake   //直接将eigen写在cmake文件夹下，不用再额外下载，避免了在编译时候代码的报错
    │   ├── CMakeLists.txt
    │   ├── package.xml        //feature_tracker功能包的信息
    │   └── src        //核心，系统入口
    │       ├── feature_tracker.cpp     //特征点跟踪的具体实现
    │       ├── feature_tracker.h
    │       ├── feature_tracker_node.cpp      //main()函数,ROS接受图像的回调函数
    │       ├── parameters.cpp
    │       ├── parameters.h
    │       └── tic_toc.h
    ├── LICENCE
    ├── pose_graph
    │   ├── cmake
    │   │   └── FindEigen.cmake
    │   ├── CMakeLists.txt
    │   ├── package.xml
    │   └── src              //核心，系统入口
    │       ├── keyframe.cpp       //关键帧选取、描述子计算与匹配
    │       ├── keyframe.h
    │       ├── parameters.h
    │       ├── pose_graph.cpp        //位姿图的建立与图优化
    │       ├── pose_graph.h
    │       ├── pose_graph_node.cpp        //ROS 节点函数，回调函数，主线程
    │       ├── ThirdParty
    │       │   ├── DBoW
    │       │   │   ├── BowVector.cpp
    │       │   │   ├── BowVector.h
    │       │   │   ├── DBoW2.h
    │       │   │   ├── FBrief.cpp
    │       │   │   ├── FBrief.h
    │       │   │   ├── FClass.h
    │       │   │   ├── FeatureVector.cpp
    │       │   │   ├── FeatureVector.h
    │       │   │   ├── QueryResults.cpp
    │       │   │   ├── QueryResults.h
    │       │   │   ├── ScoringObject.cpp
    │       │   │   ├── ScoringObject.h
    │       │   │   ├── TemplatedDatabase.h
    │       │   │   └── TemplatedVocabulary.h
    │       │   ├── DUtils
    │       │   │   ├── DException.h
    │       │   │   ├── DUtils.h
    │       │   │   ├── Random.cpp
    │       │   │   ├── Random.h
    │       │   │   ├── Timestamp.cpp
    │       │   │   └── Timestamp.h
    │       │   ├── DVision
    │       │   │   ├── BRIEF.cpp
    │       │   │   ├── BRIEF.h
    │       │   │   └── DVision.h
    │       │   ├── VocabularyBinary.cpp
    │       │   └── VocabularyBinary.hpp
    │       └── utility
    │           ├── CameraPoseVisualization.cpp
    │           ├── CameraPoseVisualization.h
    │           ├── tic_toc.h
    │           ├── utility.cpp
    │           └── utility.h
    ├── README.md
    ├── support_files
    │   ├── brief_k10L6.bin
    │   ├── brief_pattern.yml
    │   ├── image
    │   │   ├── vins_black.png
    │   │   └── vins.png
    │   ├── paper
    │   │   └── tro_technical_report.pdf
    │   └── paper_bib.txt
    └── vins_estimator
        ├── cmake
        │   └── FindEigen.cmake
        ├── CMakeLists.txt
        ├── launch
        │   ├── 3dm.launch
        │   ├── black_box.launch
        │   ├── cla.launch
        │   ├── euroc.launch
        │   ├── euroc_no_extrinsic_param.launch
        │   ├── realsense_color.launch
        │   ├── realsense_fisheye.launch
        │   ├── tum.launch
        │   └── vins_rviz.launch
        ├── package.xml
        └── src
            ├── estimator.cpp
            ├── estimator.h
            ├── estimator_node.cpp          //main()函数:多线程 measurement_process、loop_detection、 pose_graph
            ├── factor                        //实现IMU、camera等残差模型，涉及了ceres优化库，Jacobian矩阵
            │   ├── imu_factor.h
            │   ├── integration_base.h
            │   ├── marginalization_factor.cpp
            │   ├── marginalization_factor.h
            │   ├── pose_local_parameterization.cpp
            │   ├── pose_local_parameterization.h
            │   ├── projection_factor.cpp
            │   ├── projection_factor.h
            │   ├── projection_td_factor.cpp
            │   └── projection_td_factor.h
            ├── feature_manager.cpp       //特征点管理，三角化，关键帧操作
            ├── feature_manager.h
            ├── initial                   //系统初始化，外参标定，SFM
            │   ├── initial_aligment.cpp
            │   ├── initial_alignment.h
            │   ├── initial_ex_rotation.cpp
            │   ├── initial_ex_rotation.h
            │   ├── initial_sfm.cpp
            │   ├── initial_sfm.h
            │   ├── solve_5pts.cpp
            │   └── solve_5pts.h
            ├── parameters.cpp         //外部系统设置参数输入
            ├── parameters.h
            └── utility                //相机显示，四元数等数据转换
                ├── CameraPoseVisualization.cpp
                ├── CameraPoseVisualization.h
                ├── tic_toc.h
                ├── utility.cpp
                ├── utility.h
                ├── visualization.cpp
                └── visualization.h

65 directories, 175 files
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

VINS-Mono代码详解 ——— （0）原理框图 + ROS 基础知识 + 代码目录图 的相关文章

  • Downloading https://ultralytics.com/assets/Arial.ttf to /data/..../.config/Ultralytics/Arial.ttf

    1 报错 xff1a 缺少字体Arial ttf 2 字体链接 xff1a https ultralytics com assets Arial ttf 3 方法 xff1a 下载该链接的字体 xff0c 然后放到 data config

  • 第四章 Opencv图像色彩空间与通道

    文章目录 1 色彩空间1 1 RGB BGR色彩空间1 2 GRAY色彩空间1 3 HSV色彩空间 2 通道2 1 拆分通道 xff1a 96 split 96 方法1 拆BGR色彩空间图像的通道2 拆HSV色彩空间图像的通道 2 2 合并

  • 第五章 Opencv图像的几何变换

    目录 1 缩放图像1 1 resize 方法 2 翻转图像2 1 flip 方法 3 仿射变换图像3 1 warpAffine 方法3 2 平移3 3 旋转3 4 倾斜 4 透视图像4 1 warpPerspective 方法 几何变换是指

  • pip、conda查看镜像源及更换镜像源

    1 查看已经安装过的镜像源 xff1a conda config show channels 查看配置项channels 2 删除镜像源 xff08 清华镜像源 xff09 xff1a conda config remove channel

  • 生成环境下的所有包

    pip freeze span class token operator gt span requirements span class token punctuation span txt 问题 xff1a 将虚拟环境的安装包导出 xff

  • java核心技术卷I

    第三章 xff1a java的基本程序设计结构 文章目录 第三章 xff1a java的基本程序设计结构3 2 注释3 3 数据类型3 4变量3 4 1初始化变量3 4 2常量 3 5运算符3 5 1数学函数与常量3 5 2数值类型之间的转

  • MOT学习笔记 — 行人检测及行人跟踪数据集总结

    1 行人红外数据集总结 xff08 1 xff09 OSU Thermal Pedestrian Database 下载链接 xff1a http vcipl okstate org pbvs bench Data 01 download

  • 使用k-近邻算法识别手写数字

    本文摘自 机器学习实战 案例 xff0c 对其进行了代码更新与注释 实战介绍 使用k 近邻分类器构造手写识别系统 xff0c 为了简单起见 xff0c 系统只识别0 9 xff0c 需要识别的数字已经使用图形处理软件 xff0c 处理成具有

  • ubuntu16.04下安装并使用小觅双目MYNT EYE 1.x SDK

    1 下载MYNT EYE 1 x SDK压缩包 首先 xff0c 点击进入github官网 xff0c 在右上角的搜索栏中输入mynt xff0c 进入如下界面 xff1a 点击第四个slightech MYNT EYE SDK进入 xff

  • UART通用异步收发传输器

    UART 全称Universal Asynchronous Receiver Transmitter xff0c 通用异步收发传输器 xff0c 是一种串行异步收发协议 又称为串口 xff09 功能是将并行的数据转变为串行的数据发送或者将接

  • C语言如何实现输入特定字符串（单词）作为终止符

    本文章以一个例题来进行讲解 xff08 新手第一次写 xff0c 目的仅是分享自己写代码中想到的一些方法和技巧 xff0c 仍存在很多不足 xff0c 希望能对大家有用 xff09 题目要求 xff1a 有一篇文章 xff0c 共有多行文字

  • kubernetes 教程 笔记

    K8s 安装kub ectl 下载kubectl curl LO 34 https dl k8s io release curl L s https dl k8s io release stable txt bin linux amd64

  • ros uwb2world坐标转换python示例

    ros uwb2world坐标转换python示例 span class token comment coding 61 utf 8 span span class token comment usr bin env python span

  • ARUCO marker的解释

    markers for ARUCO 一种汉明 海明 码的格子图 如图 百度百科解释汉明码规则概要 使用奇偶校验 具有一位纠错能力 校验位在2的次幂位置1 2 4 8 16 32 具体参看 https baike baidu com item

  • 使用ros_control ros_controllers 的牛刀真实驱动舵机手臂的源码

    现场 rqt graph 在一个陌生的框架下写代码 xff0c 免不了有很多疑问与槽点 不了解框架结构 xff0c 千头万续 xff0c 无从下手 xff0c 说不清 xff0c 理还乱 资料少没有文档 xff0c 要读懂程序猿的心 xff

  • 经典的pid公式，好脑子不如烂笔头。

    这个算法涉及昨天 xff0c 今天 xff0c 明天 思路就是以史为鉴 xff0c 预测明天 xff0c 改革当前

  • c++对8位灰度图进行二值化处理

    对灰度图进行位二值化 xff0c 输入图像像素部分的宽度和高度以及存储灰度像素值 得一维数组 xff0c 对灰度值进行直方图统计 xff0c 通过OSTU大律法公式 xff0c 确定自动灰度 图的阈值 xff0c 进而进行二值化处理 xff

  • vue 数组常用方法（总结）

    vue 数组常用方法 操作原数组push item pop shift unshift item n splice startIndex endIndex sort reverse 返回新数组slice startIndex endInde

  • 【亲测可用】kali linux 2020.1 设置为中文方法

    目录 0x00 提示0x01 更换更新源0x02 默认语言选择0x03 安装中文字体0x04 重启 xff0c 完成0x05 参考文章 kali 2020 1可用 进入我们的正题 xff0c 修改为中文的步骤 0x00 提示 由于kali

  • QT的TCP应用-传输图片

    1 server h span class token macro property span class token directive hash span span class token directive keyword ifnde

随机推荐

  • gazebo教程---使用roslaunch来启动gazebo，加载models

    1 使用roslaunch加载一个世界模型 roslaunch gazebo ros willowgarage world span class token punctuation span launch 运行效果如图 xff1a 下面看一

  • gazebo教程---ros_control

    一 ros control和Gazebo的数据流向 在Gazebo中模拟机器人的控制器是可以通过使用ros control和一个简单的Gazebo插件适配器来完成 下面是仿真 xff0c 硬件 xff0c 控制器和传动之间关系的概览 xff

  • CentOS Stream 安装 Docker

    版本LinuxCentOS Stream release 8 xff08 需要 CentOS 7 及以上 xff09 Docker20 10 17 卸载旧版本 旧版本的 Docker 被称为 docker 或 docker engine 如

  • CMakeLists.txt和.h头文件

    CMakeLists txt格式 xff08 随学习进度不断更新 xff09 声明要求的cmake最低版本 cmake minimum required VERSION 2 8 声明一个cmake工程 project HelloSLAM 添

  • 网络程序设计 面向TCP/IP编程总结

    第一章 网络编程基础知识 网络由节点和连线构成 现实用应用中的网络由硬件设备 xff08 路由器 交换机 网线 xff09 43 应用软件组成 计算机网路技术发展的第一个里程碑以报文或分组交换技术的出现为标志 数据交换的三种主要形式 xff

  • 训练时的Batchsize和Epoch之间的区别是什么？

    阅读这篇文章后 xff0c 你会知道 xff1a 随机梯度下降是一种迭代学习算法 xff0c 它使用训练数据集来更新模型 批量大小是梯度下降的超参数 xff0c 在模型的内部参数更新之前控制训练样本的数量 Epoch数是梯度下降的超参数 x

  • 如何在ROS下向ROS_PACKAGE_PATH中添加路径来解决找不到包的情况

    如果在创建ROS工作空间时不是严格按照 mkdir p catkin ws src 来创建的话可能后面会出现找不到包的情况 xff0c 这个时候你用命令 echo ROS PACKAGE PATH 会发现所找不到的包没有包含在这个路径里面

  • 移动平均法又称滑动平均法、滑动平均模型法（Moving average，MA）

    转自http jingji 100xuexi com view otdetail 20130625 230f09b0 6e36 473b 8830 7f2b873a5252 html 什么是移动平均法 移动平均法是用一组最近的实际数据值来预

  • C/C++ 数学库文件 (math.h)

    目录 1 三角函数 Trigonometric functions 1 1 cos 函数 1 2 sin 正弦函数 1 3 tan 正切函数 1 4 acos 反余弦函数 1 5 asin 反正弦函数 1 6 atan 反正切函数 1 7

  • C语言进阶 ~ 内存四区（栈、堆、全局、代码区）

    特别声明 xff1a 该部分是根据B站大佬 什么都想干好的视频学习而来 目录 1 1 数据类型本质分析 1 1 1 数据类型概念 1 1 2 数据类型的本质 1 1 3 数据类型的别名 1 1 4 数据类型之 void 1 2 变量的本质分

  • C语言进阶 ~ 一级指针与字符串

    目录 2 1 指针强化 2 2 一级指针 char 易错地方 2 2 1 对空字符串和非法字符串的判断 2 2 2 越界 2 2 3 指针的叠加会不断改变指针的方向 2 2 4 局部变量不要外传 2 2 5 函数内使用辅助变量的重要性 2

  • STC51从入门到精通（汇编）~~~ 第八讲：串行通信技术

    目录 8 1 80C51单片机串行通信技术的特点 8 2 串行通信基本知识 8 2 1 数据通信 8 2 2 串行通信的传输方式 8 2 3 异步通信和同步通信 8 3 串行接口的组成和特性 8 3 1 串行口的结构 8 3 2 串行口控制

  • 基于arduino的循迹小车（含有PID算法）

    循迹小车一般分为两方面 xff1a 一方面是简单的闭环赛道只有直道和弯道 xff0c 另一方面是毕设类型的包括一些元素 xff1a 90度弯道 十字道路 S形弯道等 1 CSDN下载 xff1a 含有PID xff1a https down

  • 基于手机蓝牙的arduino遥控小车

    遥控小车是每个人童年的最爱 xff0c 不仅好奇它的奇妙 xff0c 更是喜欢它带来的刺激 小编为大家带来几篇博客 xff0c 来给大家讲讲制作遥控小车的程序 看大标题可知我们一共有五个方法去制作一款带有遥控功能的小车 xff0c 小编分开

  • 课程设计题四：LED彩灯控制器设计

    要求 xff1a 1 至少10个发光管4种花样自动变换 xff0c 循环往复 2 彩灯花样变换的快慢节拍可以手动和自动方式控制 xff0c 手动控制按钮按一次转换一次 xff1b 自动控制方式每15秒变换一次 xff0c 1分钟循环一遍 3

  • PyCharm 调试Debug入门

    为了摈弃print的暴力调试法 xff0c 在mentor的耳濡目染下 xff0c 我开始了PyCharm的Debug 例程 xff1a def helloworld print 39 hello world 39 a 61 1 b 61

  • 树莓派自带SSH server，但默认关闭，需手动开启ssh

    命令行输入sudo raspi config 选择Interfacing Options 选择SSH项 enable

  • Ubuntu 18.04 ——— VINS-Fusion运行与EVO的评测与使用

    Ubuntu 18 04 VINS Fusion运行与EVO的评测与使用 一 运行环境搭建1 VINS Fusion安装1 创建ros工作空间2 编译VINS Fusion 2 EVO安装3 数据集 二 VINS Fusion运行1 单相机

  • Deep Learning 最优化方法之Momentum（动量）

    本文是Deep Learning 之 最优化方法系列文章的Momentum xff08 动量 xff09 方法 主要参考Deep Learning 一书 整个优化系列文章列表 xff1a Deep Learning 之 最优化方法 Deep

  • VINS-Mono代码详解 ——— （0）原理框图 + ROS 基础知识 + 代码目录图

    VINS Mono代码详解 xff08 0 xff09 原理框图与代码流程图 一 VINS原理图1 前端 xff08 数据预处理 xff09 2 后端 xff08 滑窗优化 xff09 3 初始化4 闭环 二 ROS 基础知识1 运行VIN

热门标签