本文将因子图优化和卡尔曼滤波联系起来：卡尔曼滤波等价于因子图优化在线性系统下只优化最新状态。 我们最根本的目标，是在给定测量值 $z$，找出使得联合概率密度函数 $p(x, z)$ 最大的 $x$。而 $p(x, z)$ 可以进行分解，以便我们写出具体的形式： \[p(x,z) = p(z|x)p(x)\] 假如我们考虑两个状态 $x_1, x_2$，以及一个测量 $z$（对 $x_2$ 的测量）,则联合概率密度函数可以写为： \[p(x_2,...
Equivalence between Kalman Filter and Factor graph
AirSLAM Code Reading
代码实现 首先看一下 airslam 代码的整体思路。 对于视觉惯性里程计，其核心是三个并行的线程： ->(处理msg)->(前端)->(后端)-> 使用 生产者-消费者 的框架实现数据的有向流动。例如 map_builder.AddInput(data) 往里加数据，然后另外开一个线程消耗数据，提取特征，最后再开一个线程进行特征追踪匹配和后端优化。 参数的初始化 对于参数的配置，airslam 在 read_config.h 内定义了许多结构体，其中有三个最顶层的结构体，对应 airslam 的三大模块的参数，分别是： VisualOdometryConfigs MapRefinementConfigs...
Extrinsic Online Calibration on AirSLAM
AirSLAM 在公开数据集上的效果很不错，但在笔者自己录制的数据集（螺旋快速运动）上效果很差，具体如下： AirSLAM 使用 imu 和相机，定位漂移很大 而相同的外参在 vins-fusion 上的效果却还不错。 AirSLAM 仅使用双目，漂移小，较为正常 根据第一条和第三条信息，可以推断出是 imu 和相机之间的协调出了问题，可能的原因是: 时间基准不同：公开数据集的 imu 与 图像帧有硬件同步且参考同一个时间基准，而自己录制的数据集未作同步且不是同一个时间基准，而 vins-fusion 在运行过程中在线校准...
Total views. cowboys. Hits