视觉SLAM进阶：从零开始手写VIO

项目实践

• 实践一：IMU仿真实践

  设置IMU仿真代码中的不同噪声参数，然后运行imu_utils生成Allan方差标定曲线的结果，并比较欧拉积分和中值积分的效果。

  

• 实践二：使用LM算法估计曲线参数

  根据LM算法估计曲线 y=e^{(ax^2+bx+c)} 参数的程序绘制LM阻尼因子μ随着迭代变化的曲线图，将曲线函数改成 y=ax^2+bx+c，修改代码中残差计算，雅克比计算等函数，完成曲线参数估计。

  

• 实践三：绘制信息矩阵

  某时刻，SLAM系统中相机和路标点的观测关系如下图所示，其中 ξ 表示相机姿态， L 表示观测到的路标点。当路标点 L 表示在世界坐标系下时，第  k 个路标被第 i 时刻的相机观测到，重投影误差 r ( ξ ，L ) 。另外，相邻相机之间存在运动约束，如IMU或者轮速计等约束。绘制出信息矩阵及请绘制相机 ξ 被marg以后的信息矩阵。

  

• 实践四：VINS系统构建

  搭建一个最简单的VINS系统，包括三个部分:
  前端数据处理：特征提取匹配，IMU预积分；
  初始化：系统初始状态变量(重力方向，速度，尺度等等)；
  后端：滑动窗口优化，手写LM/DogLeg算法。

  
  

• 实践五：将IMU仿真数据接入到VINS系统中

  将IMU仿真数据接入到VINS代码中，生成无噪声和有噪声情况的两种运行轨迹；对比不同后端优化算法下的精度和效率；对比串行/并行算法对系统效率的影响。