从零开始学习VIO笔记 --- 第四讲：滑动窗口（基于滑动窗口算法的 VIO 系统：可观性和一致性）【作业】

GuNight

于 2020-08-13 23:14:24 发布

阅读量634

点赞数

CC 4.0 BY-SA版权

分类专栏：从零开始学习 VIO 系列文章标签： slam vio

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/CGJustDoIT/article/details/107978858

本文深入探讨了基于滑动窗口算法的VIO（视觉惯性里程计）系统，重点讲解了可观性和一致性的概念，通过构建重投影误差函数，详细分析了误差项关于相机位姿和特征点的雅克比矩阵，并提供了单目BA优化的信息矩阵计算代码实例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

从零开始学习VIO笔记 --- 第四讲：滑动窗口（基于滑动窗口算法的 VIO 系统：可观性和一致性）【作业】

一. 题目
二. 解答

一. 题目

在这里插入图片描述

二. 解答

2.1 第一题

2.2 第二题

准备知识单目BA优化，构建重投影误差函数，误差项为理论投影值减去实际测量值

误差关于相机位姿李代数的雅克比矩阵：

在这里插入图片描述

误差是由观测值减预测值定义，所以前面带了负号;若是预测减观测值那么去掉负号
se(3) 的定义方式是旋转在前，平移在后时，只要把这个矩阵的前三列与后三列对调即可
$X^{'} ,Y^{'}, Z^{'}$ 是特征点在相机坐标系下的坐标值； $\mathbf P^{'}=(R_{c}^{w})^{-1}(P^w - t_{c}^{w} )$ ，将特征点的坐标转换到相机坐标系下；因为相机投影模型为： $<$

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。