pirate999 / VIO_lesson

深蓝学院VIO课程第一期作业

深蓝学院VIO课程第一期作业

环境为 Ubuntu16.04

	ros-kinetic
	opencv 3.3.1(无需安装，安装ros之后就有了)
	cmake 3.5.1
	eigen 3.3.3  usr/local/include/eigen3
	ceres 1.14.0
	Sophus
	Pangolin**

---

第1节

第2节

2.1 设置IMU仿真代码中的不同参数，生成Allen方差标定曲线。

Allen方差工具：

imu_utils

kalibr_allen

2.2 将IMU仿真代码中的欧拉积分换成中值积分

---

第3节

---

第4节

补充作业代码中单目Bundle Adjustmnet信息矩阵的计算，并输出正确的结果。

正确结果为：奇异值最后7维接近于0，表明零空间的维度为7。

---

第5节

完成Bundle Adjustmnet求解器Problem.cc滑窗算法测试函数Problem::TestMarginalize()中的代码，并通过测试。

---

第6节

---

第7节

将第二节的仿真数据集（视觉特征、IMU数据）接入我们的VINS代码，并运行处轨迹结果。

7.1 仿真数据无噪声

7.2 仿真数据集有噪声（不同噪声设定时需要配置vins中imu noise大小）

---

第11节 大作业ch9

大作业为两个代码作业, 完成时间为三周:

11.1 更优的优化策略:

a. 选用更优的 LM 策略, 使得 VINS-Mono 在 MH-05 数据集上收敛速度更快或者精度更高.

b. 实现 dog-leg 算法替换 LM 算法, 并测试替换后的 VINS-Mono 在 MH_05 上算法精度.

详细的实验报告包括:

• 对迭代时间和精度进行评估, 其中精度评估可以采用 evo 工具 ；
• 对轨迹精度进行评估, 轨迹真值在 zip 中已给出。

11.2 更快的 makehessian 矩阵

可以采用任何一种或多种加速方式 (如多线程, 如sse指令集等) 对信息矩阵的拼接函数加速, 并给出详细的实验对比报告.