通过跟踪效果来看vins输出结果

2023-05-16

下面是vins跑出来的结果,vio输出是绿线轨迹。线速度是0.28m/s,拐角的地方是我根据蓝线把vio轨迹掰正了。
在这里插入图片描述
vio在初始阶段走的比较弯曲,后有一段笔直的轨迹,这里旋转非常慢,之后又走了一段很不错的直线,之后就跳变了几下,轨迹彻底偏了。
我把每帧需要新提取的特征点个数打印出来(我们每帧必须有150个特征点,减去跟踪上的,就是需要新提取的),通过这个个数可以反应出跟踪的好不好,新提的特征点个数越多,则说明跟踪的越不好。

n_max_cnt 0
last_track_num150
n_max_cnt 6
last_track_num144
n_max_cnt 9
n_max_cnt 17
n_max_cnt 13
n_max_cnt 15
n_max_cnt 18
n_max_cnt 20
n_max_cnt 20
n_max_cnt 25
n_max_cnt 28   //以上这一段是初始化阶段,这一段的跟踪也不是特别好
Initialization finish!
rtk_yaw -88.1415
world_yaw 0.2318
delta_yaw 88.3733
n_max_cnt 33
n_max_cnt 28
n_max_cnt 36
n_max_cnt 28
n_max_cnt 22
n_max_cnt 17
n_max_cnt 23
n_max_cnt 26
n_max_cnt 23
n_max_cnt 18
n_max_cnt 24
n_max_cnt 21
n_max_cnt 20
n_max_cnt 19
n_max_cnt 19
n_max_cnt 22
n_max_cnt 20
n_max_cnt 22
n_max_cnt 18
n_max_cnt 26
n_max_cnt 23
n_max_cnt 21
n_max_cnt 13
n_max_cnt 16
n_max_cnt 17
n_max_cnt 14
n_max_cnt 15
n_max_cnt 18
n_max_cnt 14
n_max_cnt 19
n_max_cnt 14
n_max_cnt 13
n_max_cnt 16
n_max_cnt 8
n_max_cnt 6
n_max_cnt 8
n_max_cnt 8
n_max_cnt 12
n_max_cnt 8
n_max_cnt 10
n_max_cnt 12  //以上这一段是初始化后走的一段,可以看来跟踪也不是很好,故轨迹弯弯曲曲
n_max_cnt 8
n_max_cnt 0
n_max_cnt 0
n_max_cnt 0
n_max_cnt 0
n_max_cnt 0
n_max_cnt 0
n_max_cnt 1
n_max_cnt 1
n_max_cnt 3
n_max_cnt 1
n_max_cnt 3
n_max_cnt 3
n_max_cnt 2
n_max_cnt 2
n_max_cnt 1
n_max_cnt 1
n_max_cnt 2
n_max_cnt 1
n_max_cnt 1
n_max_cnt 3
n_max_cnt 5
n_max_cnt 4
n_max_cnt 5
n_max_cnt 3
n_max_cnt 7
n_max_cnt 5
n_max_cnt 3
vio_yaw -10.3738
world_yaw -1.6436
delta_yaw 8.7302
n_max_cnt 8     //以上这一段跟踪的比较好,新提的点在个位数,对应轨迹也笔直
---------------------
start vio fusion //这里完成了掰vio
---------------------
n_max_cnt 11
n_max_cnt 6
n_max_cnt 7
n_max_cnt 10
n_max_cnt 17
n_max_cnt 5
n_max_cnt 8
n_max_cnt 4
n_max_cnt 9
n_max_cnt 5
n_max_cnt 7
n_max_cnt 6
n_max_cnt 7
n_max_cnt 7
n_max_cnt 7
n_max_cnt 5
n_max_cnt 9
n_max_cnt 12
n_max_cnt 9
n_max_cnt 17
n_max_cnt 17
n_max_cnt 12
n_max_cnt 1
n_max_cnt 2
n_max_cnt 1
n_max_cnt 1
n_max_cnt 0
n_max_cnt 0
n_max_cnt 1
n_max_cnt 0
n_max_cnt 0
n_max_cnt 0
n_max_cnt 3
n_max_cnt 4
n_max_cnt 0
n_max_cnt 0
n_max_cnt 0   //以上也对应了很笔直的轨迹
n_max_cnt 22 //但是从这里开始,跟踪变差,对应轨迹跳变了一下,后面轨迹也走的弯弯曲曲了
n_max_cnt 23
n_max_cnt 22
n_max_cnt 21
n_max_cnt 12
n_max_cnt 12
n_max_cnt 24
n_max_cnt 16
n_max_cnt 14
n_max_cnt 12
n_max_cnt 18
n_max_cnt 11
n_max_cnt 12
n_max_cnt 14
n_max_cnt 14
n_max_cnt 33
n_max_cnt 38
n_max_cnt 36
n_max_cnt 30
n_max_cnt 26
n_max_cnt 14
n_max_cnt 26
n_max_cnt 20
n_max_cnt 14
n_max_cnt 20
n_max_cnt 17
n_max_cnt 17
n_max_cnt 12
n_max_cnt 17
n_max_cnt 19

n_max_cnt是打印的每帧需要新提取的特征点个数,因此我觉得通过需要新提的点个数来衡量跟踪效果,跟踪效果可以来分析出vins的输出轨迹。

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@)

通过跟踪效果来看vins输出结果 的相关文章

  • vins-fusion 融合rtk原理

    vins fusion融合rtk原理 xff1a 使用优化的方式融合 xff0c 假设融合后的位姿是fusion T n vio输出的位姿是vio T n xff0c rtk输出的位姿是rtk T 只有最后一帧 那么 fusion T的初值
  • 港科大VINS-MONO入门(一):框架入门及源码解析

    一 VINS介绍 VINS Mono是HKUST的Shen Shaojie团队开源的一套Visual Inertial融合定位算法 介绍见 https github com HKUST Aerial Robotics VINS Mono 论
  • VINS-Mono运行与评测

    VINS Mono运行与评测 1 修改VINS mono轨迹保存代码1 1 修改 visualization cpp1 2 修改 pose graph cpp1 3 修改VINS mono运行参数 2 EVO 显示轨迹2 1 分析单条轨迹2
  • VINS 详解

    VINS是视觉与IMU融合SLAM的代表 xff0c 其实现了一个较为完整的SLAM工作 xff0c 开源地址为 xff1a GitHub HKUST Aerial Robotics VINS Mono A Robust and Versa
  • VINS-MONO运行(运行VINS-Mono没有轨迹的原因)

    VINS MONO下载及编译 与github中 https github com HKUST Aerial Robotics VINS Mono的一致 下载VINS MONO文件 cd catkin ws src git clone htt
  • VINS - Fusion GPS/VIO 融合 一、数据读取

    目录 一 相关概念 二 程序解读 2 1 参数读取 解析 xff1a 2 2 获取图像时间信息 解析 xff1a 2 3 获取图像时间信息 解析 xff1a 2 4 定义VIO结果输出路径和读取图像信息 解析 xff1a 2 5 读取GPS
  • VINS - Fusion GPS/VIO 融合 二、数据融合

    https zhuanlan zhihu com p 75492883 一 简介 源代码 xff1a VINS Fusion 数据集 xff1a KITTI 数据 程序入口 xff1a globalOptNode cpp 二 程序解读 2
  • 树莓派4B(ubuntu mate系统)使用d435i运行vins

    树莓派4B xff08 ubuntu mate系统 xff09 使用d435i运行vins 提示本文为随手笔记 xff0c 并不严谨 xff0c 可参考 xff1a 博客和博客进行配置 树莓派 ubuntu mate 20系统安装ros的步
  • 工程(十一)——NUC11+D435i+VINS-FUSION+ESDF建图(github代码)

    博主的合并代码 git 64 github com huashu996 VINS FUSION ESDFmap git 一 D435i深度相机配置 1 1 SDK 43 ROS 参考我之前的博客 xff0c 步骤和所遇见的问题已经写的很详细
  • 【SLAM】VINS-MONO解析——综述

    目前网上有很多分析文章 xff0c 但是都只是一些比较基础的原理分析 xff0c 而且很多量 xff0c 虽然有推倒 xff0c 但是往往没有讲清楚这些量是什么 xff0c 为什么要有这些量 xff0c 这些量是从哪来的 xff0c 也没有
  • 【SLAM】VINS-MONO解析——vins_estimator流程

    5 vins estimator 基本上VINS里面绝大部分功能都在这个package下面 xff0c 包括IMU数据的处理 前端 xff0c 初始化 我觉得可能属于是前端 xff0c 滑动窗口 后端 xff0c 非线性优化 后端 xff0
  • VINS on RealSense D435i

    关于Realsense D435i运行VINS系列 前言 在SLAM中 xff0c 主要是以激光SLAM和视觉SLAM为主 xff0c 激光雷达直接可以获取三维点云坐标信息 xff0c 所以激光SLAM会比视觉SLAM稳定许多 xff0c
  • Ubuntu20.04跑VINS-fusion

    Ubuntu20 04跑VINS Fusion 使用docker 由于工程较大 xff0c 依赖较多 xff0c 环境配置十分繁琐 xff0c 故使用docker环境来运行VINS Fusion Docker 可以让开发者打包他们的应用以及
  • VINS-Mono

    文章目录 初始化框架缺点ORB SLAM的Local Map VINS的滑窗 逐次逼近式去畸变给后端提供的特征点信息光流追踪对极约束F去除外点 rejectWithF 特征点均匀化预积分系统初始化初始化时不校正bias a误差卡尔曼滤波误差
  • Ubuntu20.04运行Vins-fusion

    因已安装ROS noetic xff0c eigen xff0c opencv及ceres等库 xff0c 这部分环境配置就不细讲 xff0c 直接下载VINS FUSION的代码库 下载编译 cd span class token ope
  • VINS-mono 解析 新特征

    在17 12 29 xff0c VINS更新了代码加入了新的特征 xff0c 包括map merge 地图合并 pose graph reuse 位姿图重利用 online temporal calibration function 在线时
  • VINS-mono 位姿图 重利用测试

    在前一篇博文里介绍了VINS mono pose graph reuse功能的使用 xff0c 这里接着贴出一些延伸的测试 xff0c 并进行一些探讨 延伸测试 一般来说 xff0c 加载地图是进行非GPS定位必要的一步 这里根据新的VIN
  • VINS-RGBD运行指令

    创建工程VINS RGBD catkin ws 将代码放入src文件夹当中 git clone https github com STAR Center VINS RGBD 进行编译 cd VINS RGBD catkin ws catki
  • D435i运行VINS-mono以及Kalib标定

    D435i运行VINS mono以及Kalib标定 系统说明 xff1a Ubuntu 18 04 内核版本 xff1a 5 4 0 1 运行VINS mono 参考博客VINS xff08 D435i xff09 测试 问题 xff1a
  • Ubuntu 18.04 ———(Intel RealSense D435i)运行VINS-Mono

    Intel RealSense D435i 一 准备工作二 修改参数rs camera launchrealsense color config yaml 参考文献 一 准备工作 1 Intel Realsense D435i Ubuntu

随机推荐

  • 基础 HTML之目录问题(相对路径和绝对路径区别)

    导读 复习HTML知识的时候 xff0c URL的路径的写法是我们经常会用到的一块内容 相对路径和绝对路径的问题不难 xff0c 只要明白各自的道理 xff0c 同时清楚 这些字符的含义就可以了 原文链接 xff1a http www jb
  • 【Android开发—智能家居系列】(一):智能家居原理

    来到JCZB公司的第二天 xff0c 就接到了开发类似于小米智能家庭APP的任务 组长让我在手机上安装上此款APP xff0c 给了我个小米智能插座 xff0c 就让我开始了解需求 这便开启了我的智能家居旅程 说实话 xff0c 我也真是o
  • 【Android开发—智能家居系列】(二):用手机对WIFI模块进行配置

    在实际开发中 xff0c 我开发的这款APP是用来连接温控器 xff0c 并对温控器进行控制的 有图为证 xff0c 哈哈 上一篇文章 Android开发 智能家居系列 xff08 一 xff09 xff1a 智能家居原理 的文末总结中写到
  • 【POI】——获得单元格的值,并转化成字符串

    本篇文章分享一些在做导入导出EXCEL功能时用到的工具类的一些代码 span class hljs javadoc span class hljs javadoctag 64 param span cell span class hljs
  • ElementUI实现文件手动上传

    ElementUI实现文件手动上传 HTML部分 lt el upload ref 61 34 upload 34 multiple 61 34 true 34 file list 61 34 fileList 34 auto upload
  • 【工具篇】——利用EditPlus进行Json数据格式化

    从接口返回的数据基本都是json格式的数据 之前我要查看数据的内容 xff0c 为了方便我阅读 xff0c 我会直接复制这段数据到在线JSON校验格式化工具中进行格式化和校验 但是没网的时候 xff0c 就不能靠它了 而EditPlus是我
  • 【GIS】——mapnik在windows上的安装

    mapnik是瓦片生成器 这里先不解释了 xff0c 等用过了再谈理解 下载步骤 1 下载安装包 官网地址 xff1a http mapnik org http mapnik org pages downloads html 3 0 12还
  • 【GIS】——使用Python bindings操作mapnik

    背景介绍 使用mapnik有三种方式 xff1a 1 使用XML配置文件 2 使用Python bindings 3 使用C 43 43 中的API 这里我们先介绍第二种Python bindings xff0c 并采用这种方式做一个Dem
  • 【MongoDB】(一)——关于MondoDB索引的总结

    导读 为数据创建索引有助于提高查询数据的性能 xff0c 本篇文章总结了创建MongoDB索引应遵循的规则 我将这些规则分成四类 xff1a 1 query 2 sort 3 RAM 4 selectivity query db span
  • 【开发也是好测试】(四)—Mock

    有关Mock的思维导图 xff1a
  • 【MongoDB】——TTL Index

    TTL Index
  • ubuntu下的串行口通讯编程

    Linux 操作系统从一开始就对串行口提供了很好的支持 xff0c 本文就 Linux 下的串行口通讯编程进行简单的介绍 串口简介 串 行口是计算机一种常用的接口 xff0c 具有连接线少 xff0c 通讯简单 xff0c 得到广泛的使用
  • stm32 摄像头寻迹+平衡车

    链接 xff1a http download csdn net download u010925447 9866006
  • 【书籍推荐】自己动手写操作系统

    于渊 编著 尤晋元 审校 2005年8月出版 ISBN 7 121 01577 3 48 00元 xff08 含光盘1张 xff09 374页 用理论指导动手实践 xff0c 用实践深化理解理论 xff01 本书在详细分析操作系统原理的基础
  • 贝塔、伽马分布

    最近开始自学PRML xff0c 为此又补了概率论中的一些知识点 相较于古典概率通过各种估计手段来确定参数的分布 xff0c 贝叶斯学派则是使用后验概率来确定 xff0c 为了方便计算后验概率 xff0c 引入共轭先验分布来方便计算 xff
  • elementUI中el-dropdown的command如何传递多个参数

    el dropdown的command事件默认传递一个参数 xff0c 即每个下拉选项el dropdown item中设定的command的值 xff0c 那么如何传递多个参数呢 xff1f 实现方法 xff1a 动态设置el dropd
  • 记录ubuntu18.04下搭建nuttx RTOS的过程

    官方参考链接 xff1a https nuttx apache org docs latest quickstart install html Getting started 61 61 gt Installing 主要记录一下按照链接指导
  • 词袋

    brief描述子 一般Sb 61 48 Lb为256 brief描述子不具备旋转尺度不变性 词袋 提取大量图片的描述子 xff0c 将描述子用k means聚类成K堆 xff0c 这是第n层 xff0c 把每一堆再次聚类形成下一层 xff0
  • 板子和电脑配置ros通信

    它们需要连在同一个路由器上 1 获取板子和电脑的ip 比如板子名为RV1126 RV1109 xff0c ip为192 168 5 48 电脑名为qian hw xff0c ip为192 168 5 25 2 在电脑端设置 xff1a ba
  • 通过跟踪效果来看vins输出结果

    下面是vins跑出来的结果 xff0c vio输出是绿线轨迹 线速度是0 28m s xff0c 拐角的地方是我根据蓝线把vio轨迹掰正了 vio在初始阶段走的比较弯曲 xff0c 后有一段笔直的轨迹 xff0c 这里旋转非常慢 xff0c