VINS-Mono 论文公式推导与代码解析

VINS系列算法是基于视觉-惯性融合的高精度导航系统，核心分为数据预处理、系统初始化、滑窗VIO和回环检测四个模块。关键技术包括光流跟踪、IMU预积分和紧耦合优化。边缘化策略通过FEJ原理保持系统可观测性，差异化处理关键帧和非关键帧。与ORB-SLAM3相比，VINS采用滑动窗紧耦合优化和单位球面投影。初始化阶段通过视觉-惯性对齐恢复尺度与重力，并对退化运动进行特殊处理。基础矩阵在低视差场景下提供更稳定的位姿估计。算法通过Ceres实现边缘化因子，确保高效优化与约束保留。

初始化(松耦合) 在提取的图像的Features和做完IMU的预积分之后，进入了系统的初始化环节，主要的目的有以下两个： 系统使用单目相机，如果没有一个良好的尺度估计，就无法对两个传感器做进一步的融合，这个时候需要恢复出尺度； 要对IMU进行初始化，IMU会受到bias的影响，所以要得到IMU的bias。 所以我们要从初始化中恢复出尺度、重力、速度以及IMU的bias，因为视觉(SFM)在初始...

总体框架 Vins-mono是香港科技大学开源的一个VIO算法，用紧耦合的方法，通过单目+IMU恢复出尺度，效果非常棒。 VINS的功能模块可包括五个部分：数据预处理、初始化、后端非线性优化、闭环检测及闭环优化。代码中主要开启了四个线程，分别是：前端图像跟踪、后端非线性优化（其中初始化和IMU预积分在这个线程中）、闭环检测、闭环优化。 原文：VINS-Mono A Robust...

4. 重定位 4.1 Loop Detection Vins-Mono 利用词袋 DBoW2 做 Keyframe Database 的构建和查询。在建立闭环检测的数据库时，关键帧的 Features 包括两部分：VIO 部分的 200 个强角点 和 500个 Fast 角点，然后描述子使用 BRIEF (因为旋转可观，匹配过程中对旋转有一定的适应性，所以不用使用ORB)。 Describe fe...

参考：崔华坤-《VINS论文推导及代码解析》与 高翔-《视觉SLAM十四讲》 整理了 VINS-Mono 论文中 关于 IMU 预积分公式及协方差、雅可比矩阵传递的推导。

本人整理了VINS-Mono的IMU预积分、外参标定、vio初始化、后端优化、边缘化(Marginalization)一些列白话文章，链接如下： 白话VINS-Mono之预积分（一） - 知乎先来讲VINS-Mono中Imu 预积分(Imu Pre-integration)部分，同时会讲下预积分参与后端优化部分，为了更好的理解预积分，我们从需求出发往前一步步分析，从coding层面出发，思考分析其实现思路、理论与实践之间联系。…https://zhuanlan.zhihu.com/p/407892357.

目录1.为什么需要初始化1.1 需要优化哪些变量1.2 初始化不解决哪些变量 1.为什么需要初始化 优化问题非常依赖初始值。 防止陷入局部最小值 与真实值越近迭代次数越少 1.1 需要优化哪些变量 优化变量: 地图点,p,v,q,零偏,外参 vins初始值不求解加速度计的零偏(存在重力影响,也不影响优化结果)和外参的平移(人工测量) 1.2 初始化不解决哪些变量 并不需要一个非常准确的外参,因为在非线性优化中会不断去优化 加速度计bias很难从重力估计中分离出来,忽略加速度计bias..

本专栏参考崔华坤的《VINS论文推导及代码解析》的PDF，按照这个框架，对VINS-Mono的原理进行详解，并附加代码解析~VINS-Mono原理推导与代码解析（三）后端非线性优化VINS-Mono原理推导与代码解析（四）前端视觉处理VINS-Mono原理推导与代码解析（五）初始化VINS-Mono原理推导与代码解析（六）边缘化Maginalization和FEJVINS-Mono原理推导与代码解析（七）闭环检测与优化VINS-Mono原理推导与代码解析（八）其他补充~