Advertisement

VINS-Fisheye：基于VINS-Fusion的鱼眼版本

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
VINS-Fisheye是基于VINS-Fusion开发的一款适用于鱼眼相机的视觉惯性里程计系统，增强了在大视场角条件下的导航性能和鲁棒性。 鱼眼该存储库是具备GPU及Visionworks加速功能的Fisheye版本。它可以在Nvidia TX2上实时运行，并能基于鱼眼镜头提供深度估计。该项目属于一个分散式全方位Visual-Inertial-UWB状态估计系统的组成部分，适用于航空群机器人。您既可以单独在任何类型的机器人上使用该系统，也可以将其作为Omni-swarm群机器人的部分来应用。目前，鱼眼相机仅支持立体视觉惯性测距法；鱼眼镜头的闭环模块将在后续版本中发布。 无人机路径和RGB点云估计 - 鱼眼特征追踪器 - 通过视差进行深度估计 1. 先决条件：基本软件环境与VINS-Fusion相同。此外，它还需要OpenCV cuda版（仅在OpenCV 3.4.1上进行了测试）。Visionworks: 可选；如果要使用此软件包的CUDA模式，则需要Visionworks来进行深度估计。 2. 使用方法 - 修改CMakeLists中的opencv路径

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • VINS-Fisheye：基于VINS-Fusion的鱼眼版本
    优质
    VINS-Fisheye是基于VINS-Fusion开发的一款适用于鱼眼相机的视觉惯性里程计系统，增强了在大视场角条件下的导航性能和鲁棒性。 鱼眼该存储库是具备GPU及Visionworks加速功能的Fisheye版本。它可以在Nvidia TX2上实时运行，并能基于鱼眼镜头提供深度估计。该项目属于一个分散式全方位Visual-Inertial-UWB状态估计系统的组成部分，适用于航空群机器人。您既可以单独在任何类型的机器人上使用该系统，也可以将其作为Omni-swarm群机器人的部分来应用。目前，鱼眼相机仅支持立体视觉惯性测距法；鱼眼镜头的闭环模块将在后续版本中发布。 无人机路径和RGB点云估计 - 鱼眼特征追踪器 - 通过视差进行深度估计 1. 先决条件：基本软件环境与VINS-Fusion相同。此外，它还需要OpenCV cuda版（仅在OpenCV 3.4.1上进行了测试）。Visionworks: 可选；如果要使用此软件包的CUDA模式，则需要Visionworks来进行深度估计。 2. 使用方法 - 修改CMakeLists中的opencv路径
     
  • VINS-FUSION-learning: VINS-FUSION 中文注释版详解
    优质
    《VINS-FUSION-learning》是对SLAM算法VINS-Fusion进行深入解析的中文教程，详细解释了代码结构与实现原理，适合研究视觉惯性里程计的读者学习。 VINS-Fusion中文版创新学习资料由港科大老师提供，十分感谢他们的工作贡献。目前仅对前端视觉惯性里程计（VIO）部分进行了注释，并在代码中加入了相关博客、参考文献及其他博文的引用。 VINS-Fusion是一个基于优化的多传感器状态估计器，能够为自主应用如无人机、汽车和AR/VR提供精确的自我定位功能。它是原版算法的一个扩展版本，支持多种视觉惯性传感器类型（单目相机+IMU、双目相机+IMU以及仅使用双目相机）。此外还展示了一个将VINS与GPS融合的小型示例。 特征包括： - 支持多类传感器：如立体声摄像机/单镜头摄像机搭配IMU或单独的立体声摄像机； - 实现在线空间校准（即，调整摄像头和IMU之间的转换关系）； - 在线时间校准（处理相机与IMU之间的时间偏差问题）； - 视觉闭环功能。 值得一提的是，VINS-Fusion曾于2019年1月在开源立体声算法排行榜上占据领先地位。项目作者包括来自香港的曹少祖、潘洁等学者。
     
  • VINS系列（一）：Vins-Fusion环境配置
    优质
    本教程为VINS系列的第一部分，专注于介绍如何在Linux环境下配置VINS-Fusion所需的软件和依赖项，帮助用户顺利搭建开发或研究环境。 VINS系列（一）- Vins-Fusion环境配置 本段落主要介绍如何进行VINS-Funsion的环境配置。首先需要安装必要的依赖库，并确保开发环境中已经设置了正确的路径变量。接下来，按照文档中的步骤构建相关代码并完成编译过程。 在开始之前，请确认已具备相应的编程和软件操作基础，这将有助于更顺利地完成后续的各项设置工作。
     
  • bench_ws: 适用于多种状态估计算法（如 VINS-Mono、VINS-Fusion、ORBSLAM3、Stereo-MSC...）的工具包
    优质
    Bench_WS是一款多功能评估工具包，专为包括VINS-Mono、VINS-Fusion、ORBSLAM3和Stereo-MSC在内的多种状态估计算法设计，旨在提供全面且精确的性能分析。 长凳_ws 是一个用于对不同状态估计算法进行基准测试的 catkin 工作区，在此工作区内构建过程相当自动化。该仓库假设您在安装了 Ubuntu 18.04 的 Linux 系统上运行。 要使用这个存储库，需要执行以下命令： - `make deps`： 安装依赖项。 - `make submodules`： 拉取 git 子模块。 - `make build`： 构建工作区。 在 EuroC 数据集上运行时，请先获取数据集。默认情况下，该项目提供的启动文件假定您有一个名为 `/data/euroc_mav/rosbags` 的目录，并且其中包含以下 rosbags： - MH_01.bag - MH_02.bag - MH_03.bag - MH_04.bag - MH_05.bag - V1_01.bag - V1_02.bag - V1_03.bag - V2_01.bag - V2_02.bag - V2_03.bag 请注意，这些文件名称中没有字母 e。
     
  • 鱼眼图像的校准:fisheye
    优质
    鱼眼图像的校准: fisheye介绍了针对鱼眼镜头拍摄所得广角畸变图片进行矫正的技术和方法，旨在恢复或模拟自然视角下的视觉效果，广泛应用于摄影、虚拟现实等领域。 鱼眼矫正常用的方法包括棋盘格矫正法和经纬度矫正法。 棋盘格矫正法通过使用棋盘格进行标定，计算出鱼眼镜头的畸变系数及内参参数。OpenCV库中的fisheye模块可以直接根据这些标定结果来确定畸变系数与内参，并利用cv2.fisheye.initUndistortRectifyMap函数生成映射矩阵，再通过cv2.remap进行图像矫正。 然而，棋盘格矫正法的效果往往不尽如人意，特别是在边缘区域的处理上显得力有未逮。这种方法容易导致严重的拉伸现象。 经纬度矫正法则将鱼眼图视为半个地球模型，并将其展开为平面地图形式以实现畸变校正。这种方法主要基于几何原理对图像进行修正。有许多针对该法进行了改进的具体算法，其中一种改良方案是双径度矫正法，具体理论可以参考相关论文《基于双经度模型的鱼眼图像畸变矫正方法》。
     
  • IS-VINS: 关于VINS的信息稀疏化方法
    优质
    IS-VINS是一种创新的信息稀释技术，专门针对视觉惯性里程计(VINS)系统设计，旨在优化其计算效率和性能表现。该方法通过减少不必要的信息处理来加快系统的响应速度并降低能耗，同时保持精确度。适用于机器人导航与无人机定位等领域。 IS-VINS（Information Sparse VIO）是一种视觉惯性里程计优化方法，旨在解决视觉与惯性传感器融合数据中的信息稀疏问题，在机器人定位、导航及SLAM技术中具有重要意义。 理解VIO的基本原理有助于掌握其核心功能：通过结合摄像头等视觉传感器和IMU（惯性测量单元），利用同步的视觉和惯性数据来估计移动设备的位置、速度与姿态。在光照变化或纹理较少的环境中，这种融合方法能显著提高运动状态估计精度。 IS-VINS的核心在于信息稀疏化策略，旨在减少参与优化的数据量以降低计算复杂度，并保持高精度。通过智能选择关键帧和IMU测量数据，系统能够在保证准确性的前提下减小计算负担并提升性能稳定性。 具体实现步骤包括： 1. **数据预处理**：对视觉与惯性传感器数据进行同步校准。 2. **关键帧选择**：依据图像变化、地理位置或时间间隔等标准选取关键帧，并仅对其进行特征提取和稠密匹配。 3. **信息稀疏化**：通过线性和信息理论方法，如信息增益分析，确定并保留对优化过程影响最大的测量数据。 4. **优化算法应用**：利用非线性最小二乘法（例如Levenberg-Marquardt算法）解决优化问题，并更新状态估计值。 5. **回环检测与闭环修正**：通过识别重复场景信息来纠正累积误差，确保长期定位精度。 6. **地图构建与状态估计**：结合关键帧和IMU数据建立局部或全局地图，并不断更新机器人在该环境中的位置。 IS-VINS项目通常包含源代码、配置文件、示例数据集及文档资料。这些资源有助于用户深入理解IS-VINS算法的具体实现方式，例如如何选择关键帧、执行信息稀疏化以及优化过程的设计等细节。 作为VIO领域的前沿研究成果，IS-VINS针对大规模环境下的实时定位和SLAM问题提供了有效解决方案，并对提升无人系统在复杂条件下的自主导航能力具有重要价值。通过深入研究IS-VINS技术，开发者与研究人员能够更好地理解和应用视觉惯性融合方法，从而促进相关领域的发展进步。
     
  • OpenCV3.0 鱼眼相机校准(fisheye)
    优质
    本项目介绍如何使用OpenCV 3.0进行鱼眼相机的校准，包括畸变系数计算和内参外参求解，以实现高精度图像矫正。 参照OpenCV及网上资料基于OpenCV3.0编写，标定结果与MATLAB2015一致，欢迎交流！
     
  • 针对Ubuntu20.04的VINS-mono源代码
    优质
    这段简介可以这样描述：“针对Ubuntu 20.04操作系统的VINS-mono源代码项目，提供了一个基于单目相机视觉惯性里程计的解决方案，适用于机器人导航和定位研究。” 适用于Ubuntu20.04的VINS-mono源码修复了在该系统上编译时出现的CV_FONT_HERSHEY_SIMPLEX未定义以及‘CV_RGB2GRAY’未声明等错误。
     
  • VINS Demo Android应用安装包
    优质
    VINS Demo Android应用安装包是一款专为安卓设备设计的视觉惯性里程计演示软件。它提供了关于视觉惯性导航系统的实验与测试功能，帮助开发者和研究者更好地理解和开发相关技术。 Vins空间定位demo是一个用于展示VINS（视觉惯性里程计）技术在实际应用中的效果的演示程序。通过该Demo，用户可以直观地了解如何利用摄像头和IMU数据进行精确的空间定位，并探索其潜在的应用场景和技术细节。这个工具对于研究者、开发者以及对机器人导航与定位感兴趣的个人来说非常有用。