vins-fusion 融合rtk原理

原创于 2021-12-14 16:54:25 发布 · 1k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉

vlsam 专栏收录该内容

23 篇文章

订阅专栏

该博客介绍了vins-fusion融合rtk的原理，通过优化方式结合vio的短期精度和rtk的长期准确性。然而，由于未固定rtk参考帧，当rtk出现跳变时，融合结果会受到影响。作者探讨了这种设计在面对rtk不连续性时的局限性，并指出需要解决rtk跳变导致的定位不稳定问题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

vins-fusion融合rtk原理：
使用优化的方式融合，假设融合后的位姿是fusion_T[n], vio输出的位姿是vio_T[n]，rtk输出的位姿是rtk_T(只有最后一帧)那么
fusion_T的初值是fusion_T[n] = fusion_T[n-1] * (vio_T[n-1].inverse()*vio_T[n])
两个观测一个是rtk:
残差就是 fusion_T[n] - rtk_T
一个是vio的
残差是 fusion_T[i-1].inverse()*fusion_T[i] - vio_T[i-1].inverse()*vio_T[i]
注意这个参数，是vio两帧之间delta 和 fusion两帧之间delta相减，旨在把fusion_T两帧之间的距离调的和vio一样。

因此结果就是，比如5帧数据，它们之间的联系不会改变（与vio相同），但是整体就会跳到最后一帧和rtk重合。
在这里插入图片描述
作者就是基于vio的短期内是非常准的，rtk的绝对位置是非常准的这种思想设计的。但这种设计无法适应rtk突然发生跳变的情况，在实际测试中rtk的输出并不光滑，而且偶尔会发生跳变，因为我们没有固定哪一帧，这种思想会导致fusion也会跟着跳。