VINS-Course：实践指南

在项目中评估VINS-Course，可以先看清用途边界：VINS-Mono 代码，不含 Ceres 或 ROS。把它放到软件开发流程中，最容易暴露的是依赖、接口和异常处理往往比主路径更影响采用，不能只看演示是否顺利。我建议在隔离分支完成一个可回滚的小任务，重点记录安装步骤、接口契约、测试结果和错误信息，再与现有方案比较。我会把它列入需要可检查开发流程而非单次演示的工程师的候选清单，而不是仅凭项目介绍直接纳入生产。

Vins Course

作者：贺一家，高翔，崔华坤，赵松

描述： 这是一个用于深蓝学院教学的代码，她基于 VINS-Mono 框架，但不依赖 ROS, Ceres, G2o。这个代码非常基础，目的在于演示仅基于 Eigen 的后端 LM 算法，滑动窗口算法，鲁棒核函数等等 SLAM 优化中常见的算法。 该代码支持 Ubuntu or Mac OS.

安装依赖项：

1. pangolin: https://github.com/stevenlovegrove/Pangolin

2. opencv

3. Eigen

4. Ceres: vins 初始化部分使用了 ceres 做 sfm，所以我们还是需要依赖 ceres.

编译代码

mkdir vins_course
cd vins_course
git clone https://github.com/HeYijia/VINS-Course
mkdir build 
cd build
cmake ..
make -j4

运行

1. CurveFitting Example to Verify Our Solver.

cd bin
./testCurveFitting 

2. VINs-Mono on Euroc Dataset

cd bin
./run_euroc /home/dataset/EuRoC/MH-05/mav0/ ../config/

3. VINs-Mono on Simulation Dataset (project homework)

you can use this code to generate vio data.

https://github.com/HeYijia/vio_data_simulation

4. Validation Results

evo package

evo_ape euroc euroc_mh05_groundtruth.csv pose_output.txt -a -p

感谢

我们使用了港科大沈老师组的 VINS-Mono 作为基础代码，非常感谢该组的工作。