手写VIO作业总结(一)

**

手写VIO课程总结(一)

1、视觉与IMU融合之后的优势？

​ IMU适合计算短时间、快速的运动，视觉适合计算长时间、慢速的运动；可以利用视觉定位信息估计IMU的零偏，减少IMU零偏导致的发散和累积误差，IMU可以为视觉提供快速运动时的定位。

2、常见的视觉+IMU融合方案？工业界的例子？

主要的融合方案有两种，一种是基于松耦合，一种是基于紧耦合。具体的开源方案有以下几种：

VINS-mono（紧耦合）

MSCKF（紧耦合）

ROVIO（紧耦合）

OKVIS（紧耦合）

3、学术界，VIO研究进展？

4、编程实现四元数和李代数更新？

#include <iostream>
#include <sophus/se3.hpp>
#include <sophus/so3.hpp>
#include <Eigen/Core>
#include <Eigen/Geometry>
using namespace std;
using namespace Eigen;
int main()
{
    //初始化旋转矩阵
    Eigen:: Matrix3d R=Eigen::AngleAxisd(M_PI/4,Eigen::Vector3d(0,0,1)).toRotationMatrix();
    std::cout<<R.matrix()<<std::endl;
    Quaterniond q(R);
    Sophus::SO3d SO3_R(R);
    Sophus::SO3d SO3_q(q);
    std::cout<<"SO(3) from matrix: "<<SO3_R.matrix()<<std::endl;
    std::cout<<"SO3 from quaternion"<<SO3_q.matrix()<<std::endl;

    Vector3d update_w(0.01,0.02,0.03);//更新量
    Sophus::SO3d SO3_updated=SO3_R*Sophus::SO3d::exp(update_w);//右乘更新
    std::cout<<"SO3_updated = \n"<<SO3_updated.matrix()<<std::endl;

    Quaterniond update_q(1,0.005,0.01,0.015);//[1,1/2w]
    update_q.normalize();//归一化处理
    Eigen::Quaterniond q_updated=q*update_q;
    //q_updated.normalize();//note:对更新量单独归一化或者更新完进行归一化都可以，结果一致
    Sophus::SO3d SO3_q_updated(q_updated);
    std::cout<<"SO3_q_updated"<<SO3_q_updated.matrix()<<std::endl;
    return 0;
}

CMakeLists.txt

cmake_minimum_required(VERSION 3.5)
project(update_quaternion)

set(CMAKE_BUILD_TYPE "Debug")
set(CMAKE_CXX_FLAGS "-std=c++11 -o3")

find_package(Sophus REQUIRED)
include_directories(${Sophus_INCLUDE_DIRS})

include_directories("/usr/local/include/eigen3")

add_executable(update_quaternion main.cpp ${Sophus_LIBRARIES})

5、求导？

参考博客：https://blog.csdn.net/orange_littlegirl/article/details/102874648