VINS（一）簡介與代碼結構

VINS-Mono和VINS-Mobile是香港科技大學沈劭劼團隊開源的單目視覺慣導SLAM方案。是基於優化和滑動窗口的VIO，使用IMU預積分構建緊耦合框架。而且具有自動初始化，在線外參標定，重定位，閉環檢測，以及全局位姿圖優化功能。

方案最大的貢獻是構建了效果很好的融合算法，視覺閉環等模塊卻是使用了較爲常見的算法。

系列博客將結合課題組發表的paper，從代碼層面，逐步剖析系統的各個模塊，達到對單目VIO總體的把握，幫助本身理解各種算法，並開發出針對應用場景的視覺慣導SLAM系統。最終目標是使用在AR應用中（Android）。

系統pipeline

 

主要分爲五部分

1. 傳感器數據處理：

• 單目相機Monocular Camera: Feature detection and Tracking
• IMU: Pre-integration

2. 初始化：

• 僅使用視覺構建SfM
• 將SfM結果和IMU預積分結果對齊

3. 基於滑動窗口的非線性優化：

4. 閉環檢測：

5. 4自由度全局位姿圖優化：

 

主要依賴的庫只有OpenCV， Eigen和Ceres Solver，代碼目錄以下

 

核心算法都在feature_tracker和vins_estimator包中。

按照REDEME步驟跑EuRoC/MH_05_difficult.bag錄好的數據結果以下：

使用rqt_graph獲得系統的node和topic關係：

rosbag將記錄好的imu數據和單目相機獲取的圖像數據分別發佈到/imu0和/cam0/image_raw話題；/feature_tracker節點經過訂閱/cam0/image_raw話題獲取圖像數據，/vins_estimator節點經過訂閱/imu0話題獲取imu數據，同時/feature_tracker節點將提取出的圖像特徵發佈到/feature_tracker/feature話題，由/vins_estimator訂閱獲取。

所以，/feature_tracker節點負責視覺提取和跟蹤，/vins_estimator則是融合系統的主要部分。

爲了方便看代碼，整理了一下各個部分架構圖（更新中）：

processImage():