基于 ${\bf SE_2}({\bf 3})$ 的精确 IMU 预积分
本文介绍了一种基于 ${\bf SE_2}({\bf 3})$ 自同构指数函数的改进 IMU 预积分公式，可以有效增强快速旋转运动和延长积分时间下的跟踪性能。...
状态估计
线特征在 SLAM 中的应用
众所周知，线特征比点特征可以提供更多的约束条件，并且在某些场合下比点特征要鲁棒。但是如果想要把线特征加入到 SLAM 系统中，将面临的是如何参数化和优化求导的问题。本文结合一系列相关文献，对线特征在 SLAM 中的应用做一个概括梳理。...
Camera - Lidar 标定
相机与激光雷达的联合使用被广泛的应用到了机器人、自动驾驶等领域。为了使这两种传感器进行数据融合，进需要对其进行一个联合标定。该文章介绍了两种激光雷达 (2D & 3D) 与相机的标定方式。...
GNSS-视觉-惯性紧耦合的状态估计器
GNSS-视觉-惯性紧耦合的状态估计器主要是将 GNSS (Global Navigation Satellite System) 原始测量，结合视觉和惯性信息紧耦合以进行实时和无漂移的状态估计...
VINS 系统中的 IMU 约束因子
IMU Preintegration factor In VINS 对于一个基于非线性图优化且利用滑动窗口固定计算量的紧耦合视觉惯导里程计，在求解 Bundle Adjustment 里有一项 IMU 预积分测量残差项（点击这里）。VINS-Mono1 中 IMU 预积分的算法可以参照该文章2。在 VINS 系统里 IMU 约束因子如下： ...
IMU 预积分
本文主要参照 C Forster 于 15 年拓展到李理论上的 IMU 预积分技术文章进行推导演绎...
VINS 系统中 IMU 与 Camera 在线时间对齐
Online Temporal Calibration in VINS 1. 数据同步 不同传感器之间的数据同步对融合算法至关重要，在 VIO 中，相机与 IMU 之间的数据同步对 VIO 精度影响非常大。那么如何评判一个系统数据同步的好坏呢？参照1提供的图片来简单分析下。 ...
VINS 系统中的视觉重投影因子
本文介绍了基于图优化的滑动窗口紧耦合视觉惯性里程计中的视觉因子该如何创建与建模，并且如何构建残差用于优化系统...
VINS 系统中的边缘化因子
VINS 系统中的边缘化策略及如何利用因子图构建 BA 优化过程中的 Hessian 矩阵...
滑动窗口与边缘化 下篇
滑动窗口与边缘化在目前实时的 SLAM/VIO/VINS 系统用得越来越多，在即保留历史信息的情况下约束计算量，是一种非常有价值的方式...