博客对VSLAM进行科普，指出视觉里程计会出现累积漂移，轮式、IMU、视觉里程计都有累计误差。还提到扫地机器人用单目相机修正轮子打滑定位，IMU和轮式里程计结合有一定作用。此外，比较了GNSS/INS组合导航系统扩展卡尔曼滤波与因子图优化，介绍了卡尔曼滤波状态方程。
视觉里程计只计算相邻帧的运动，进行局部估计，这会不可避免的出现累积漂移，这是因为每次估计两个图像间的运动时都有一定的误差，经过相邻帧多次传递，前面的误差会逐渐累积，轨迹漂移（drift）的越来越厉害。
不管是轮式里程计、IMU、视觉里程计，都是通过积分来计算里程的，都会有累计误差。
里面提到扫地机器人用单目相机来修正轮子打滑时的定位，因为打滑的时候轮子也在转但是位置并没变，所以从这个角度来看，把IMU和轮式里程计结合还是有点作用的，IMU也是可以在轮子打滑的情况下起到补充作用的。不过目前来看，车也没打滑现象，感觉加上作用不大，等到车子出现打滑之类现象的时候再加就可以，比如做漂移之类的动作的时候。
GNSS / INS组合导航系统扩展卡尔曼滤波与因子图优化的比较（CS RO) EKF、粒子滤波、因子图优化 都是可以通用的
卡尔曼滤波中的状态方程 就是车的运动学方程，车的位置是由后轮轮速和车把转向角共同决定的，状态方程描述了车的位置随控制输入u的变化，这里的u就是实际的车速和转向角
扫一扫
311
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
