用于立体相机在线自标定的校准单应法
本文主要是针对 “Dive Deeper into Rectifying Homography for Stereo Camera Online Self-Calibratio” 论文中提及的一种用于立体相机在线自标定的校准单应法进行梳理。该方法适用于单对图像，当有多对图像亦可使用全局优化外参。...
State Estimation
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。...
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。...
快速稳健的新型在线校正算法
A Fast and Robust Novel Online Rectification Algorithm 双目立体算法通常假设一对校正的图像作为输入，而双目相机设备通常都有出厂标定。然而，双目原本的结构可能随着设备使用的过程中发生了微小的形变，使得深度立体算法的最初假设不成立，由此会严重影响性能。因此，双目在线自校正功能的需求越来越备受关注。文献 1 提出了一种快速稳健的新型在线校正算法，针对已知镜头内参与畸变系数的先前条件下获取双目相机的外参以便精准匹配恢复出深度信息。其基本思路是将这一校正问题建模为对两台相机中每一台相机的矫正旋转 $\omega_0, \omega_1$ 的估计，并保持基线固定。这是更为常见的以估计旋转 $R$ 和平移 $t$ 算法形式的变形方式。在这两种情况下，需要估计的参数都为 5 个，因此位移尺度是未知的。通常情况下往往假设 baseline $\lVert t \rVert$ 的长度是固定不变的。 ...
高精度在线无标记的双目外参标定系统
本文主要是针对 “High-Precision Online Markerless Stereo Extrinsic Calibration” 论文中提及的一种实时无标记的方法来获得高精度的双目外参进行梳理，该方法使用了一种新颖的 5 自由度和流形非线性优化，使得视觉双目标定具备可观测性...
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。 ...
