VINS-Mono-Learning

VINS-Mono代码注释

VINS介绍：

VINS是一种具有鲁棒性和通用性的单目视觉惯性状态估计器。
该算法主要有以下几个模块：

1. 预处理
      （1）图像特征光流跟踪
      （2）IMU数据预积分
2. 初始化
      （1）纯视觉Sfm
      （2）Sfm与IMU预积分的松耦合
3. 基于滑动窗口的非线性优化
4. 回环检测与重定位
5. 四自由度位姿图优化

代码的文件目录：

1. ar_demo：一个ar应用demo
2. benchmark_publisher：接收并发布数据集的基准值
3. camera_model
      calib：相机参数标定
      camera_models：各种相机模型类
      chessboard：检测棋盘格
      gpl
      sparse_graph
      intrinsic_calib.cc：相机标定模块main函数
4. config：系统配置文件存放处
5. feature_trackers：
      feature_tracker_node.cpp ROS 节点函数，回调函数
      feature_tracker.cpp 图像特征光流跟踪
6. pose_graph：
      keyframe.cpp 关键帧选取、描述子计算与匹配
      pose_graph.cpp 位姿图的建立与图优化
      pose_graph_node.cpp ROS 节点函数，回调函数，主线程
7. support_files：帮助文档、Bow字典、Brief模板文件
8. vins_estimator
      factor：实现IMU、camera等残差模型
      initial：系统初始化，外参标定，SFM
      utility：相机可视化，四元数等数据转换
      estimator.cpp：紧耦合的VIO状态估计器实现
      estimator_node.cpp：ROS 节点函数，回调函数， 主线程
      feature_manager.cpp：特征点管理，三角化，关键帧等
      parameters.cpp：读取参数

参考资料：

主要参考了崔华坤的《VINS论文推导及代码解析》

1. IMU预积分：
      VINS-Mono之IMU预积分，预积分误差、协方差及误差对状态量雅克比矩阵的递推方程的推导
      VINS-Mono理论学习——IMU预积分 Pre-integration (Jacobian 协方差)
2. 视觉IMU联合初始化：
      VINS-Mono之外参标定和视觉IMU联合初始化
      VINS-Mono理论学习——视觉惯性联合初始化与外参标定
3. 后端非线性优化：
      VINS-Mono之后端非线性优化
      VINS-Mono理论学习——后端非线性优化
4. 边缘化：
      VSLAM之边缘化 Marginalization 和 FEJ (First Estimated Jocobian)
      VINS-Mono关键知识点总结——边缘化marginalization理论和代码详解
5. 回环检测与重定位：
      vins-mono代码阅读之4自由度位姿图优化
      VINS-Mono代码解读——回环检测与重定位 pose graph loop closing

参考VINS代码注释：

https://github.com/ManiiXu/VINS-Mono-Learning by ManiiXu