IROS 2020 FPV VIO Competition比赛方案具体方法介绍

1、benckmark

https://fpv.ifi.uzh.ch/?sourcenova-comp-post=2019-2020-uzh-fpv-benchmark

2、参赛队伍具体方案解读

参赛队伍使用方法排名（main sequence） MEGVII-3D==前端特征跟踪：==FAST keypoints 提取和optical flow neural network ==后端非线性优化：==OpenVINS中基于滤波MSCKF状态估计 ==传感器数据处理：==相机内参、外参以及camera-IMU 时间偏移在线标定 检测坏的IMU测量值以及速率的差异执行零速更新 自适应系统参数：根据光流速度的改变以及IMU测量值动态更新传感器的噪声。根据地图点的分布调整 ：低纹理区域下地图点靠近相机导致差的旋转估计 通过IMU测量值的可靠性将会增加解决这一问题。未来进一步提升的创新点：执行局部或者全局的回环检测；结合使用RAFT和KLT并制定策略以在它们之间进行选择，显示出保留当前性能并同时提高效率的潜力1VCU Robotics创新点：1、双目+IMU 2、重写初始化函数和调整过程,具体地：在优化之前，双目视觉特征的测量值通过几何校正的方法进行预处理；提出一种two-way跟踪策略，逆向检查+RANSAC去除外点3、四线程并行数据处理（特征跟踪、状态估计、位姿图优化、回环检测）2 LARVIO BUAA创新点：1、地图点增强低成本(1D逆深度参数化使的提升了计算效率并且改善精度由于长期跟踪长度特征点的完全约束) 2、在线传感器标定：IMU内参标定，IMU-camera 外参标定和时间偏移 3、自动初始化：在静态和动态状态自动初始化不用人为干预 4、ZUPT（零速更新）：当新的图像读取时，自动检测相机是否为静止状态，若为静止状态则执行ZUPT更新从而校正零偏状态。5、鲁棒的视觉前端：金字塔光流跟踪，目的：消除outliers并且提供精确的跟踪，逆LK跟踪用于检查，ORB描述子进一步提纯，然后执行RANSAC算法；应用CLAHE均衡画图像。 比赛中使用了affine warp. 6、滤波一致性：使用FEJ算法；7、UZH-FPV数据集动态化使系统有充分的激励可以在线标定IMU的内参3OpenVINS相比于openvins开源代码主要改进策略：1、增加MSCKF和SLAM跟踪特征点的数量2、使用SLAM特征逆深度表示3、使用单目图像处理4、在imu时钟帧发布位姿