这个系统是基于香港科技大学飞行机器人组的开源框架VINS-Mono开发的，原开源框架是针对单目SLAM。本双目SLAM系统是在原单目开源框架基础上的二次深度开发，外部接口与原框架一致。这个项目是我的研究课题项目，非商业用途，感谢HKUST的沈老师课题组提供的开源框架。该项目的github地址请点击这里。

各个部分的讲解如下链接：

【SLAM】VINS-MONO解析——综述【SLAM】VINS-MONO解析——feature_tracker 【SLAM】VINS-MONO解析——IMU预积分【SLAM】VINS-MONO解析——vins_estimator 【SLAM】VINS-MONO解析——初始化(理论部分) 【SLAM】VINS-MONO解析——初始化(代码部分) 【SLAM】VINS-MONO解析——后端优化(理论部分) 【SLAM】VINS-MONO解析——后端优化(代码部分) 【SLAM】VINS-MONO解析——sliding window 【SLAM】VINS-MONO解析——回环检测【SLAM】VINS-Fusion解析——流程【SLAM】VINS-MONO解析——对vins-mono的修改使流程逻辑更清晰【SLAM】VINS-MONO解析——基于vins-mono的slam系统开发

1.需要的基本配置

Ubuntu 16.04
ROS Kinetic
Ceres Solver
OpenCV 3.3.1
Eigen 3.3.3

2.在您的ROS上构造VINS-Dual

cd ~/catkin_ws/src
git clone https://github.com/iwander-all/VINS-Dual-VINS-Mono-VIO-.git
cd ../
catkin_make
source ~/catkin_ws/devel/setup.bash

3. VINS-Dual的启动

请在EuRoC MAV Dataset下载您需要测试的数据集。打开1个控制台，输入：

roscore

进入devel目录，分别打开2个控制台，输入：

source setup.bash

再分别输入：

roslaunch vins_estimator euroc.launch 
roslaunch vins_estimator vins_rviz.launch

如果不使用回环检测，请输入：

roslaunch vins_estimator euroc_no_posegraph.launch

再打开1个控制台，请输入：

rosbag play YOUR_PATH_TO_DATASET/MH_01_easy.bag

运行效果：video。

4.VINS-Dual的框架介绍

【SLAM】VINS-MONO解析——基于vins-mono的双目slam系统开发 VINS_dual包含两个ROS结点，分别是特征提取结点和vio结点； featureTracker node： main线程：订阅双目视觉帧，放入各自的buf中； featureTracker线程：获取2个buf中的视觉帧，对齐时间戳，分别进行光流跟踪，并发布同一时刻上双目追踪到的全部特征点的像素坐标。 vio node： main线程：订阅IMU，特征点frame信息，分别放入各自的buf中； vio线程：获取特征点和IMU信息并对齐；IMU预积分；从图像帧中获取信息并给feature类补充新的特征点；确定滑窗策略；初始化；后端优化；初始化过程定义为class Initial，负责系统的初始化；非线性优化定义为class Backend,负责滑动窗口和非线性优化。其中，非线性优化所维护的H矩阵包括： (1)先验误差； (2)相邻两帧的IMU误差； (3)具有共视点的两帧之间的重投影误差 (重投影误差提供了三种残差模型：纯左目的重投影误差；纯右目的重投影误差和融合双目的重投影误差，该项目可以通过更改yaml文件中的flag确定重投影误差模式)。