vins中imu融合_vins-fusion代码解读[五] imu在vins里的理解

2023-05-16

SLAM新手,欢迎讨论。

IMU作用

vins中,IMU只读取IMU六轴的信息,3轴线加速度(加速度计)和3轴角速度(陀螺仪)。

通过对陀螺仪的一次积分,直觉上可以获取姿态的变化情况,对加速度的一次积分和二次积分结合陀螺仪的信息,可以获取位置的变换情况。

背景知识:

IMU: 通常6轴陀螺仪,包括3轴线加速度和3轴角速度。9轴陀螺仪增加3轴地磁信息。

MEMS 陀螺仪没有姿态的输出,所有的MEMS陀螺都是非旋转装置,通过获取一个振动机械元件上的哥氏加速度效应,实现角速率检测。即一个验证质量在一个平面内做正弦振动,如果此平面以角速率Ω旋转,那么哥氏力就会使该质量以垂直于该平面的方向做正弦振动,其幅值正比于Ω。对哥氏力所引起的运动进行测量,就可获得Ω的信号,这就是微机械陀螺的基本工作原理。

市面上IMU可以输出姿态四元数或者欧拉角,是通过3轴线加速度和3轴角加速度或者增加3轴地磁信息融合求解出来。

加速度a能够提供重力g在俯仰角和翻滚角平面的投影,但是由于IMU本身在不断运动变化,a不等于g,因此不能很好的反应翻滚角和俯仰角,但是长期来看,这种方法不会产生大的漂移。

角速度w能够预测三个角度的变化量,在短期来看,积分能够预测两个时间段内角度的变化,长期运用会造成角度的漂移。

因此通常的做法是融合两者计算结果(卡尔曼滤波),能够得到精确的俯仰角和翻滚角,由于g在偏航角的平面上没有投影,因此偏航角是不准确的(因为相当于只能依靠角速度的积分获取),会有很大的漂移。融合地磁信息之后,可以提高偏航角的准确度,但是同样存在偏移。而且地磁的信息很容易受到环境的干扰,大型设备用电,电机转动都可能产生磁场,干扰地磁信息。

IMU的模型:

以t时刻,IMU作为参考系,我们能够得到以下的IMU模型。

左边是我们得到的测量值,包括了3轴的加速度,以及3轴的角速度信息。右边第一项是陀螺仪和加速度计的真值,第二项是偏移偏移,最后一项是测量噪声项。注意一点的是,由于IMU测量的时候,侧的是除了重力加速度外,所有外力对IMU参考系力的和对系统产生的加速度,会把反向重力加速度测量在内。意思是,当IMU自由落体的时候,加速度的读数是0。IMU平放在桌子上的时候,读数是g。

这里假设噪声na,nb是服从高斯正态分布,而ba,bw偏置服从随机游走模型(倒数服从高斯正态分布)。

因此,我们通过这个IMU模型,可以获取得到任意时刻的位置,速度,以及姿态。即,我们在已知初始的P1,Q1,V1,ba1,bg1的情况下,并且知道每个时刻ba,bg的时候,通过下面的这个式子的离散化表示,我们就能够通过积分得到后面这每一个时刻的P,Q,V。

即可以通过这个式子:

正常这个公式是可以比较直观上理解的。但是有一个问题,因为这个公式中,有一个R旋转矩阵是从imu坐标系旋转到世界坐标系的绝对位姿。由于我们后端优化的过程中,会不断的修正p,q,v的值,使得一个代价函数最小,现在我们一旦修改了一个p,因为积分项里面有一项与IMU的绝对位姿有关,因此我们又要进行重复的一个积分运算。

即:

第二帧位姿发生了改变,导致最终从第二帧开始,所有的积分项都要重新进行积分,非常耗时。

为了避免这一个重复积分运算的过程,vins提出了预积分的概念,通过了坐标系的转换,将绝对的坐标姿态转化为了相对的坐标转换,把要积分的项转化了一个形式。即把R的绝对位姿转化成相对位姿,相对于每一帧的绝对位姿,即:

现在三个临时量只和当前的加速度计偏移和陀螺仪的偏移有关。而于他们在世界坐标系的绝对位姿没有任何关系。任何帧的P,V,Q的改变不影响积分过程,因此就不用一直重复积分。

这三个变量只和偏移ba,bw有关。更新偏移,由于偏移变化是随时间缓慢变化的,因此可以用泰勒一阶展开。

而通过离散积分的方式,可以获取这三个积分项的离散迭代表达:

到这里,我们就可以带入IMU 6个轴的观测值,进行迭代求解,最终解算出这三个积分项。

到这里,我们还不知道这三个积分项的含义是什么,直观上理解,可以认为,bk帧做自由落体运动,以这个帧作为参考系,imu在bk到bk+1这段时间的位移,速度,姿态的变化。从数学上去描述就是:

因此imu的残差vins就定义为:

残差是一个向量,最终的残差是一个标量,因此我们就要把向量转化为一个标量。即要乘以他的协方差矩阵。协方差矩阵可以理解为,因为向量中每个元素变化的情况值不一样,有些元素变化得比较大(方差大),有些元素变化比较小(方差小),为了使得把这种变化统一起来,因此需要有一个标准来量化它,就认为是这个协方差矩阵。为了获取协方差矩阵,需要建立一个线性高斯误差状态传播方程,由线性高斯系统的协方差,就可以推导出方程协方差矩阵了,也就是测量状态的协方差矩阵了。

噪声对角线协方差矩阵就是我们需要标定imu的四个参数。两个测量噪声的方差,两个偏置倒数的方差。

总结预积分:

为了使得非线性优化中,不用每次改变位姿后,积分需要重新计算的问题。

现在改变位姿(速度,位移,旋转四元数关于世界坐标系的),预积分内的项保持不变。

改变ba,bw后,预积分的项可以通过泰勒一阶展开来进行更新。

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中imu融合_vins-fusion代码解读[五] imu在vins里的理解 的相关文章

  • ubuntu20.04跑PL-VINS

    PL VINS源码 xff1a https github com cnqiangfu PL VINS 编译时报错 catkin make Ceres报错 报错信息 CMake Error at usr local lib cmake Cer
  • 在ubuntu20.04上配置VINS_Fusion(亲测有效,一应俱全)

    最近在做科研训练的时候配置了HKUST Aerial Robotics实验室的VINS Fusion代码项目 xff0c 经历了一些编译报错的问题 xff0c 在网上查找的时候博客内容良莠不齐 xff0c 且实质针对性意见不多 xff0c
  • 解:高性能MEMS IMU解决方案-ADXRS290

    origin https ezchina analog com message 34890 对于复杂且高动态惯性配置的MEMS IMU应用 xff0c 评估功能时需要考虑许多属性 在设计周期早期评估这些属性优于追逐开放性成果 xff0c 从
  • NVIDIA Jetson Xavier NX部署VINS-fusion-GPU

    NVIDIA Jetson Xavier NX部署VINS fusion GPU 一 环境配置 xff08 Ubuntu 18 04 xff09 1 Cuda 10 2的安装 span class token function sudo s
  • 最小的IMU模组——DETA10系列

    性能全面升级 飞迪航空 xff08 FDISYSTEMS xff09 DETA10系列产品目前出货已达十万量级 xff0c 广泛应用于机器人 可穿戴设备 人工智能教育套件 自动驾驶小车 智慧农业 扫地机器人 稳定平台 无人系统等相关领域 D
  • 从零实现vins-mono+fast-planner+M100无人机实验在现实场景中的应用

    版权声明 本文为博主原创文章 未经博主允许不能随意转载 本文链接 https blog csdn net AnChenliang 1002 article details 109535355 最近由于科研的需要 要将VINS mono与fa
  • vins中的坐标系变换及g2r函数

    slam中经常会需要表示一个刚体的位姿 例如imu的位姿 xff0c 相机的位姿 首先我们需要在一个刚体上架上一个坐标系 这个坐标系为本体坐标系 怎么架一个坐标系 xff1f imu本身就有规定其本身的x y z轴的方向 相机一般认为 xf
  • VINS记录

    euroc launch lt launch gt lt arg name 61 34 config path 34 default 61 34 find feature tracker config euroc euroc config
  • 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
  • 一文了解IMU原理、误差模型、标定、惯性传感器选型以及IMU产品调研(含IMU、AHRS、VRU和INS区别)

    在此记录一下测试IMU过程中的其它文章 xff0c 便于以后查看 xff1a IMU的误差标定以及姿态解算ROS下通过USB端口读取摄像头数据 包括笔记本自带摄像头 激光 摄像头 IMU等传感器数据同步方法 message filters
  • 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
  • px4ctrl代码解读-px4ctrl_node

    头文件 include lt ros ros h gt include 34 PX4CtrlFSM h 34 include lt signal h gt 1 初始化节点 ros init argc argv 34 px4ctrl 34 r
  • VINS问题整理

    VINS的初始化过程 xff1f 首先进行纯视觉SfM xff1a 把滑窗填满 xff0c 然后选择枢纽帧 xff08 和最后一帧有足够的视野重叠保证计算的位姿精度 xff0c 并且和最后一帧有足够的视差保证三角化地图点的精度 xff09
  • IMU-Allan方差分析

    使用Allan方差来确定MEMS陀螺仪的噪声参数 陀螺仪测量模型为 使用长时间静止的陀螺仪数据对陀螺仪噪声参数进行分析 上式中 三个噪声参数N 角度随机游走 K 速率随机游走 和B 偏差不稳定性 背景 Allan方差最初由David W A
  • IMU+摄像头实现无标记运动捕捉

    惯性传感和计算机视觉的进步为在临床和自然环境中获得精准数据带来了新可能 然而在临床应用时需要仔细地将传感器与身体对齐 这减慢了数据收集过程 随着无标记运动捕捉的发展 研究者们提出了一个新的深度学习模型 利用来自视觉 惯性传感器及其噪声数据来
  • 2021-08-06

    在编译OKVIS中 执行make j8时报错的解决方法 1 根据github上OKVIS的安装步骤一步一步执行 由于github经常进不去 我就进了gitee网站查到OKVIS的安装步骤 参考链接 https gitee com bill4
  • 四元素与旋转矩阵

    如何描述三维空间中刚体的旋转 是个有趣的问题 具体地说 就是刚体上的任意一个点P x y z 围绕过原点的轴 i j k 旋转 求旋转后的点P x y z 旋转矩阵 旋转矩阵乘以点P的齐次坐标 得到旋转后的点P 因此旋转矩阵可以描述旋转 x
  • 如何解决:自定义 MSBuild 任务需要在 AppBase 外部进行组装

    我有一个自定义任务 想要在构建 C 项目时执行 此任务位于 MyTask dll 中 它引用另一个程序集 MyCommon DLL 问题是 MyCommon dll 相对于 MyTask dll 位于 Common MyCommon dll
  • TypeLoadException 说“没有实现”,但它已实现

    我的测试机器上有一个非常奇怪的错误 错误是 System TypeLoadException Method SetShort in type DummyItem from assembly ActiveViewers does not ha
  • Java 流惰性 vs 融合 vs 短路

    我试图对 Java 流 API 中惰性求值的应用形成一个简洁而连贯的理解 目前我的理解是这样的 元素仅在需要时才被消耗 即流是惰性的 并且中间操作是惰性的 例如过滤器 仅在需要时进行过滤 中间操作可以融合在一起 如果它们是无状态的 短路操作

随机推荐