VINS-Mono研究工作整理——目录与参考

前言：港科大的VINS-Mono作为目前state of the art的开源VIO项目，是研究视觉与IMU融合的必读算法，网上的论文解读与代码实现也非常丰富（感谢！）。为更好地进行学习，本人将在学习之余逐步整理自己对算法的论文和实现的相关解读，欢迎大家一起讨论。

原文：VINS-Mono A Robust and Versatile Monocular Visual-Inertial State Estimator

VINS代码地址：https://github.com/HKUST-Aerial-Robotics/VINS-Mono

PS. 本人参考的VINS-Mono是新版本，代码结构有所区别，可以在节点图中看出增加了一个"/pose_graph"节点。

from github:
29 Dec 2017: New features: Add map merge, pose graph reuse, online temporal calibration function, and support rolling shutter camera.

其中 map reuse 可以参考文章：
Relocalization, Global Optimization and Map Merging for Monocular Visual-Inertial SLAM

目录！（不断补充）

VINS-Mono代码解读——各种数据结构 sensor_msgs measurements

VINS-Mono代码解读——视觉跟踪 feature_trackers

VINS-Mono理论学习——IMU预积分 Pre-integration

VINS-Mono代码解读——状态估计器流程 estimator

VINS-Mono代码解读——视觉惯性联合初始化 initialStructure() visualInitialAlign()

VINS-Mono代码解读——基于滑动窗口的非线性优化 solveOdometry() optimization() slideWindow()

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：

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

在这里插入图片描述

rqt_graph

node only
在这里插入图片描述

node all 在这里插入图片描述

代码的文件目录

1、ar_demo：一个ar应用demo
2、benchmark_publisher：发布数据集中参考值
3、camera_model
calib
camera_models：各种相机模型类
chessboard：检测棋盘格特征点
gpl
sparse_graph
intrinsic_calib.cc：相机校准模块
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 图像特征跟踪
6、pose_graph：
keyframe.cpp 关键帧选取
pose_graph.cpp 位姿图优化
pose_graph_node.cpp ROS 节点函数
7、support_files：帮助文档
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
feature_manager.cpp：特征点管理，三角化，关键帧等
parameters.cpp：读取参数