首先假设读者是了解基础VSLAM，了解VIO基础(至少要会标定，调过几个开源系统的)
先说一下双目的VINS-FUSION，大部分问题都是基线造成的问题，简单点说就是如果使用较短的基线如5cm(Real sense)和常规的14cm，在大场景(如空间广阔，特征分布远近不一的大户外场景)中失去尺度是比较正常的，室内一般纹理比较好的区域相对单目还是比较稳定的，尤其是可以静止初始化是比较大的优势。FUSION因为代入了2个相机的特征+视差，开销也是较高的，另外双目系统的外部参数会比较复杂，调参过程相对会麻烦很多。使用较大的基线则探测和建图的距离很远(如DJI+五菱的方案)，在室外也不会飘飞，缺点是会有近距离灯下黑的情况需要补摄。其他都和单目VIO差不多，下面详述，基本普遍适用各类主流VIO。
单目VIO很容易飘飞和出现精度问题，涉及的场景多种多样，今天主要讨论常规问题，就不多涉及ZUPT了(ZUPT参见前文)
尺度崩溃/飘飞：
1.首先看快门，如果使用的是卷帘快门尽量换全局快门，目前已知的卷帘快门工作得比较好的还是REALSENSE系列。
2.其次看TD，即相机与IMU之间的对时，以IMU-200HZ，相机30fps为参考，如TD>30ms，系统基本不可用，也不需要研究别的了，尽量控制到10ms以内，卷帘快门自己调的话比较难达到，1Xms也凑合能用，但是时间长了容易有问题。自己做硬件设计的话使用MCU做同步触发。
3.然后看前端开销，使用的如果是算力较好的平台如NUC/XAVIER之类的话不涉及，如果是嵌入式系统看看整个特征提取，匹配，几何校验，RANSAC的平均单张耗时，>50ms的话容易出问题，即使不出现尺度飘飞，也会在长距离探索中严重影响精度。
4.然后看后端BA开销，平均单张不应超过100ms(部分复杂纹理的关键帧偶然超过没问题)，滑窗至少需保持6+，BA处理8+。ICE的话LBA滑窗50，DMVIO滑窗7即可(判断机制完全不同，多了没用)
5.点云匹配，深度数据和点云数据是2件事，如使用或打开了ICP进行点云匹配，开销是巨大的，不宜与VIO存在于同一算力平台，没有足够好的优化系统是跑不好的。而这一块的优化工作量巨大。说人话就是跑了VIO的嵌入式系统不要再开D相机的ICP(哪怕用了较好的数据结构如KD-TREE/八叉树等)，当前世界主流SOC系统均支持不好，包括车载用的主SOC(通常都是极强的NPU，弱兮兮的主核，一般般的GPU，常常没有DSP)，主要还是给激光和深度用的，不适合双开。
6.初始化质量，这个的判断不难，通常面前有较好的纹理，一个简单的扇面移动或摆头就能做好，VINS的初始化无论单双目都很不错。而且初始化如质量不佳很快就会飘飞，很容易通过代码做判断。
7.剩下导致尺度飘飞的就是ZUPT那一大堆问题了，见前文。
8.DMVIO/DM-VIO除了以上部分主要涉及的是光度标定，整个TUM系列的光度标定都是重中之重，可以放到重要性第5位。ICE-BA/ICEBA反而只需要弄好1和2就基本不飞了，这东西实在是太鲁棒了，缺点就是精度非常差，关注的始终是BODY坐标系，和世界坐标系的耦合度一般，经常会玄学漂移，真心不太适合机器人的应用落地。
精度问题：
1.首先对精度影响较大的就是相机内参，但是这个一般会张定友和Kalibr的都不会标错，出问题的几率很低。
2.外部参数：Qbc是一个3x3矩阵，同轴的话往往就是个单位阵(懒一点直接置0置1就行)，代表的是IMU和相机的旋转关系，自己装相机的话只要装正一点就行了。但是这个单位阵的形态会变化(比如常见的从1,0,0,0,1,0,0,0,1变成0,-1,0,1,0,0,0,0,1)，即这个旋转关系本身会根据你实际设计相机时，IMU与相机相对位置的差别而变化。这个其实也很难出错，但是这个出错系统基本就废掉了，这个可以先填个上面的阵再让系统自己优化和估一下。
3.外部参数：Pbc，这个其实就是相机和IMU的x/y/z相对位置，也是非常难出错的，实际拿游标卡尺大概量一下都差不多。。。一般让系统自己估一下能非常准，如果出问题比如出现了几十cm这种极大值，那就不要看这里，9成9是上面的前8个基础问题。
4.外部参数：Gc0，这个是很直接影响精度的，而且不仅仅影响Z轴(这一点大家往往容易忽略)，但是只要模长不填错，自估算产生的影响并不大。
写到这里大家看了可能觉得很废，那意思就是上面4个出问题的几率不高咯，那你说个鬼！其实我是想说大家当系统精度出问题的时候尽量先不要去乱怀疑上面那几个。。。首先考虑8个主要问题。好了，精度出问题和参数强相关的如下：
5.IMU内参，首先要知道你用的IMU本身无论如何都会飘，先使用滤波处理好毛刺。比如常用的低成本博世IMU，其实良率与一致性问题都很大，需要经历精准的调校，这里可以用Kalibr和其他工具标，然后用6面法或者加个转台调(但是低精度的IMU其实用了也白用)，这块一共涉及4样东西，acc(加速度)的bias和noise，gyro(角速度)的bias和noise，但是就是会有那么些IMU，无论你怎么努力，这4样里面都会有些问题，那大概怎么判断呢？ 这4项里面如果有1项数量级到了e-02次方，基本就不可用了，累积的误差会使你的努力都白费。但是如果e-03或者更小就还是可以接受的，视觉总是能给你纠回来。如果有e-02的IMU，在纹理丰富处表现尚可，但是如果应对激烈场景就容易使系统迅速进入低精度状态： 举个例子，如gyro的bias很大，则在无纹理区域的转向输入会产生较大的偏差，在长距离探索当中，这种累计哪怕是0.5度，随着探索距离的增长，整体数据就会变得不再可用了。 应对方式：换掉这个IMU或者相机，或者使这个装置只在室内丰富纹理处使用(室外除非是小回环场景)。
万变不离其宗，此文送给调参侠们(我也是之一，哈哈)，VSLAM和VIO的路漫漫其修远兮，但是光明逐渐到来，最近2个月的主要精力都放到了更深一步的优化上，不仅仅是通过多核负荷分担，而是得要从更加本质的角度去解决问题！今天也是补充一些大家平时经常提问的问题。当具备了三相性(开销/鲁棒/精度)的VIO真正构建起了世界观(半稠密建图)，再结合重定位就可以开始真正的小范围低成本世界探索了。
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@)
