魚眼相機(jī)的案例
魚眼相機(jī)的車位線感知
目前找到的只有三個(gè)：
ps2.0
PSV
WoodScape
ps2.0是一份四顆魚眼拼接后的數(shù)據(jù)，數(shù)據(jù)均屬于停車場(chǎng)景，訓(xùn)練集約1W張，測(cè)試集不到5K張，標(biāo)簽是mat格式。數(shù)據(jù)如下圖所示：
PSV同ps2.0數(shù)據(jù)集差不多，由四顆魚眼相機(jī)拼接后的圖片制作而成。數(shù)據(jù)量較小，訓(xùn)練集2550張，驗(yàn)證集425張，測(cè)試集1274張，標(biāo)簽是語(yǔ)義分割圖。數(shù)據(jù)如下圖所示：
WoodScape數(shù)據(jù)集更偏向于每顆魚眼獨(dú)立的環(huán)境感知，標(biāo)簽包括約1W張外接框標(biāo)簽、約1W張語(yǔ)義標(biāo)簽、約1W張深度圖、4顆相機(jī)的標(biāo)定文件等信息，適用于分割、深度估計(jì)、三維包圍盒檢測(cè)、斑點(diǎn)檢測(cè)等9項(xiàng)任務(wù)。數(shù)據(jù)如下圖所示：
5 如何進(jìn)階提高車位線檢測(cè)？
基于開源數(shù)據(jù)集訓(xùn)練的結(jié)果往往不適用自己的場(chǎng)景，需要自采自標(biāo)小批量的對(duì)應(yīng)場(chǎng)景做網(wǎng)絡(luò)微調(diào)從而提高車位線的檢測(cè)效果。
在這個(gè)過程中我們會(huì)遇到很多問題，比如如何采集數(shù)據(jù)、采集多少數(shù)據(jù)、采集哪些場(chǎng)景？
展開 方案分享 | AVM合成數(shù)據(jù)仿真驗(yàn)證方案
本文將分享如何利用自動(dòng)駕駛仿真軟件配置仿真?zhèn)鞲衅髋c搭建仿真環(huán)境，并對(duì)腳本進(jìn)行修改，優(yōu)化和驗(yàn)證4個(gè)魚眼相機(jī)生成AVM（Around View Monitor）合成數(shù)據(jù)的流程。通過這一過程，一同深入體驗(yàn)仿真軟件的應(yīng)用潛力！
一、流程概述
AVM是一種通過多相機(jī)實(shí)現(xiàn)車輛周圍環(huán)境的實(shí)時(shí)監(jiān)控和顯示的系統(tǒng)，廣泛應(yīng)用于自動(dòng)駕駛和高級(jí)駕駛輔助系統(tǒng)（ADAS）的環(huán)境感知中。本文基于仿真軟件與腳本生成AVM圖像的流程如下所示：
圖1：基于aiSim構(gòu)建AVM圖像流程
首先，在Unreal Engine中配置標(biāo)定投影參數(shù)所需的地圖，并在仿真器中為車輛部署4個(gè)方向的魚眼相機(jī)；
其次，基于相機(jī)內(nèi)參進(jìn)行去畸變，并記錄求解投影矩陣所需的關(guān)鍵參考值，例如AVM畫幅尺寸、參考點(diǎn)的相對(duì)坐標(biāo)、參考區(qū)域的大小與位置、車輛與參考區(qū)域的距離等；
隨后，在完成了角點(diǎn)提取預(yù)處理的標(biāo)定圖像中快速選取參考點(diǎn)，生成單方向的BEV視圖，重復(fù)4次完成標(biāo)定去畸變；
后文將對(duì)每個(gè)流程進(jìn)行具體描述。
二、仿真?zhèn)鞲衅髋c環(huán)境配置
對(duì)于AVM功能而言，通常需要配備4個(gè)及以上的大FOV相機(jī)以拍攝車輛周圍的圖像，在此基礎(chǔ)上還可配備雷達(dá)以更好地獲取車輛周圍的障礙物信息。
圖2：aiSim相機(jī)傳感器障礙物真值輸出
由于本文所使用仿真軟件的相機(jī)傳感器可以直接輸出識(shí)別對(duì)象（車輛、行人等）的2D、3D邊界框真值，所以只需配置4個(gè)方向的魚眼相機(jī)即可滿足整體需求：
（1）前置魚眼相機(jī)：安裝在前方車標(biāo)附近，約15°俯視角；
（2）后置魚眼相機(jī)：安裝在后備箱附近，約25°俯視角；
（3）左、右側(cè)魚眼相機(jī)：分別安裝在左右后視鏡下方，約40°俯視角與相對(duì)車縱軸約100°的偏航角。
展開 高逼真合成數(shù)據(jù)助力智駕“看得更準(zhǔn)、學(xué)得更快”
二、 AVM系統(tǒng)開發(fā)中的仿真驗(yàn)證應(yīng)用
環(huán)視系統(tǒng)（AVM, Around View Monitor）是自動(dòng)駕駛和高級(jí)輔助駕駛系統(tǒng)（ADAS）中常見的功能模塊，通常由4個(gè)或更多廣角魚眼相機(jī)構(gòu)成，通過拼接多個(gè)攝像頭圖像生成車輛周圍360°的鳥瞰圖。
自動(dòng)泊車系統(tǒng)（APA）需要環(huán)視圖像提供對(duì)車輛周圍環(huán)境的精準(zhǔn)感知。通過仿真方式模擬魚眼相機(jī)布設(shè)和 BEV 拼接，可生成多種泊車場(chǎng)景下的高保真圖像，包括地庫(kù)、斜列車位、窄通道等復(fù)雜工況。相比實(shí)車采集，仿真不僅可以批量構(gòu)造極端和邊緣泊車條件，還能自動(dòng)提供精確的障礙物位置與車輛姿態(tài)標(biāo)注，大幅加速感知模型的訓(xùn)練和驗(yàn)證流程，減少實(shí)車調(diào)試時(shí)間。
傳統(tǒng) AVM 系統(tǒng)的相機(jī)標(biāo)定依賴人工操作和實(shí)車設(shè)備，流程繁瑣且精度受限。通過仿真，可控制各攝像頭位置與視角，并生成可重復(fù)、可驗(yàn)證的圖像和標(biāo)定數(shù)據(jù)，適用于整車項(xiàng)目開發(fā)初期的快速迭代。虛擬標(biāo)定不僅提高了標(biāo)定效率，還支持在方案切換、批量測(cè)試、相機(jī)布局驗(yàn)證等場(chǎng)景中自動(dòng)生成對(duì)齊標(biāo)注，降低人力投入，提升系統(tǒng)上線速度。
在實(shí)際開發(fā)中，AVM對(duì)圖像畸變建模、拼接精度、投影映射等有較高要求，傳統(tǒng)方法依賴人工標(biāo)定與測(cè)試，周期長(zhǎng)、靈活性差。而基于aiSim的仿真流程，可有效提升開發(fā)效率與驗(yàn)證精度。
通過合成數(shù)據(jù)仿真平臺(tái)，我們借助從環(huán)境搭建到數(shù)據(jù)生成的全流程仿真，成功實(shí)現(xiàn)了4個(gè)魚眼相機(jī)生成AVM合成數(shù)據(jù)的優(yōu)化和驗(yàn)證。
圖1 基于aiSim構(gòu)建AVM圖像流程
1、標(biāo)定地圖與仿真環(huán)境構(gòu)建
我們?cè)赨nreal Engine環(huán)境中快速搭建6米×11米標(biāo)定區(qū)域，使用2×2黑白相間標(biāo)定板構(gòu)成特征紋理區(qū)域，并精確布設(shè)車輛初始位置，確保視野重疊區(qū)域滿足投影需求，并通過特定插件將其無縫導(dǎo)入仿真器中。
展開 基于視覺的無人機(jī)導(dǎo)航綜述
如圖2所示，視覺傳感器通常包括以下幾種：
(a) 單目相機(jī)
(b) 立體相機(jī)
(c) RGB-D 相機(jī)
(d) 魚眼相機(jī)
圖2 典型的視覺傳感器。(a) 單目相機(jī)，(b) 立體相機(jī)，(c) RGB-D 相機(jī)，(d) 魚眼相機(jī)。
單目相機(jī)特別適用于緊湊性和最小重量至關(guān)重要的應(yīng)用，此外，較低的價(jià)格和靈活的部署使其成為無人機(jī)的不錯(cuò)選擇。然而，單目相機(jī)無法獲得深度圖。立體相機(jī)實(shí)際上是安裝在鉆機(jī)上的一對(duì)相同的單目相機(jī)，這意味著它不僅提供單個(gè)相機(jī)可以提供的所有功能，而且還提供從兩個(gè)視圖中受益的額外功能。最重要的是，它可以基于視差原理而不是紅外傳感器的幫助來估計(jì)深度圖。RGB-D相機(jī)可以借助紅外傳感器同時(shí)獲取深度圖和可見光圖像，但由于范圍有限，它們通常用于室內(nèi)環(huán)境。魚眼相機(jī)是單目相機(jī)的一種變體，它提供寬視角，對(duì)于復(fù)雜環(huán)境中的避障很有吸引力。
?視覺定位與制圖
考慮到導(dǎo)航、視覺定位和地圖系統(tǒng)中使用的環(huán)境和先驗(yàn)信息，可以大致分為三類：無地圖系統(tǒng)、基于地圖的系統(tǒng)和地圖構(gòu)建系統(tǒng)（圖3）。
展開 
攝像頭在未來自動(dòng)駕駛中的商業(yè)化落地方案
攝像頭硬件模組設(shè)計(jì)需求
在傳統(tǒng)的環(huán)視方案中感知本車周邊環(huán)境是采用大于 180°FOV 的魚眼相機(jī)實(shí)現(xiàn)的。隨著 L3平臺(tái)在業(yè)界的開發(fā)、推廣，很多廠商也嘗試推廣基于環(huán)視魚眼相機(jī)的側(cè)視
和后視感知方案。一般情況下環(huán)視魚眼相機(jī)方案無法達(dá)到真正的 L3 +自動(dòng)駕駛平臺(tái)的要求。主要原因如下：
傳統(tǒng)環(huán)視相機(jī)的安裝位置主要是為了提供前、后、左、右 5-10 米的直觀視覺，而L3 自動(dòng)駕駛所關(guān)注的左前、右前、左后、右后的位置屬于相機(jī)圖像拼接范圍，感知精度受拼接影響；
環(huán)視相機(jī)對(duì)遠(yuǎn)距離和貼近本車的物體的圖像造成比較大的變形，在原圖中很難準(zhǔn)確預(yù)測(cè)物體的 3D 姿態(tài)、大小、和運(yùn)動(dòng)軌跡。在矯正的圖中因?yàn)樾巫儯兄冉档停? 環(huán)視相機(jī)一般為感知近距離路面，安裝的 pitch 角度偏低。
因此，具備L3+級(jí)自動(dòng)駕駛的攝像頭硬件模組爆炸圖如下，相應(yīng)的性能設(shè)計(jì)中主要考慮如下因素：圖像傳輸方式、輸出分辨率、幀頻、信噪比、動(dòng)態(tài)范圍、曝光控制、增益控制、白平衡、最低照度、鏡頭材質(zhì)、鏡頭光學(xué)畸變、模組景深、模組視場(chǎng)角、額定工作電流、工作溫度、存儲(chǔ)溫度、防護(hù)等級(jí)、外形尺寸、重量、功能安全等級(jí)、接插件/線束阻抗等。
相機(jī)的安裝位置和相機(jī)的配置很大程度上決定了視覺感知的范圍和精度。
展開 泊車，后退亦前進(jìn)的自動(dòng)駕駛哲學(xué)
隨后車輛四周傳感器（超聲波，魚眼相機(jī)）會(huì)開始搜尋可用的停車位，并通過車內(nèi)中控大屏顯示搜尋到的車位。駕駛員選擇車位后，中控大屏?xí)崾抉{駛員掛上倒擋，此時(shí)APA會(huì)規(guī)劃出一條泊車路徑，并開始接管車輛的轉(zhuǎn)向、加減速、制動(dòng)等操作，直到最終完成泊車入庫(kù)。
最早實(shí)現(xiàn)這個(gè)功能使用的傳感器是超聲波雷達(dá)，通過左右兩側(cè)標(biāo)配四個(gè)長(zhǎng)距（3-5m）APA超聲波雷達(dá)和前后八個(gè)短距（1.5-2.5m）UPA超聲波雷達(dá)。APA探測(cè)功率大，探測(cè)距離遠(yuǎn)，主要用來進(jìn)行側(cè)邊停車位的搜尋。前進(jìn)搜尋過程中，側(cè)邊前后兩個(gè)APA超聲波雷達(dá)還能起到車位冗余檢測(cè)的目的。UPA主要用于泊車過程中車位附近車輛、護(hù)欄、圍墻距離的測(cè)量，實(shí)時(shí)修正泊車路徑，避免碰撞。
但是基于這個(gè)傳感器配置只能識(shí)別由車輛、路沿等四周有明顯物體分隔的車位，而無法識(shí)別由車位線分隔的車位。為了解決這一問題，APA在前后左右硬件配置上各增加了一個(gè)魚眼相機(jī)，一種可以獲得180°視野內(nèi)畸變圖像的相機(jī)，通過對(duì)四個(gè)魚眼相機(jī)圖像去畸變、拼接，可以獲得上帝視角下的“鳥瞰圖”。并將鳥瞰圖通過中控大屏顯示出來，可以獲得更加友好的泊車體驗(yàn)。這也是360全景影像功能與APA泊車場(chǎng)景的完美融合。
L2+ 遙控泊車輔助RPA
有一類車位，本身特別狹窄或被兩車包夾的太緊，停進(jìn)去之后兩車車門基本沒有打開的空間，這個(gè)時(shí)候從全景天窗逃生是個(gè)不錯(cuò)的選擇。但還有一種更人性化的方法，泊車前駕駛員下車，通過手機(jī)遙控方式控制泊車功能開閉。
展開 一文詳解無人駕駛中的各種感知傳感器
雙目相機(jī)利用視差原理計(jì)算深度，通過兩幅圖像因?yàn)?em>相機(jī)視角不同帶來的圖片差異構(gòu)成視差。雙目立體視覺在測(cè)距精度上要比單目做深度估計(jì)準(zhǔn)確很多。
三目相機(jī)采用三個(gè)不同焦距單目攝像機(jī)的組合，彌補(bǔ)了視野范圍和景深不可兼得的問題，由寬視野的攝像頭感知近距離范圍，中視野的攝像頭感知中距離范圍，窄視野的攝像頭感知遠(yuǎn)處目標(biāo)。在AutoPilot 2.0的方案中三個(gè)攝像頭分別為前視窄視野攝像頭（最遠(yuǎn)感知250米）、前視主視野攝像頭（最遠(yuǎn)感知150米）及前視寬視野攝像頭（最遠(yuǎn)感知60米）。
魚眼相機(jī)：
由十幾個(gè)不同的透鏡組合而成，在成像的過程中，入射光線經(jīng)過不同程度的折射，投影到尺寸有限的成像平面上，使得魚眼鏡頭擁有更大的視野范圍。魚眼相機(jī)的視場(chǎng)角一般能達(dá)到190°，廣闊的視野范圍也帶來嚴(yán)重的圖像畸變。通常應(yīng)用在自動(dòng)駕駛泊車功能中，安裝在車輛前后保險(xiǎn)杠處各一顆，左右后視鏡下方各一顆，四顆魚眼相機(jī)拼接成全景圖覆蓋車身周圍5米左右范圍做車位線檢測(cè)。
紅外相機(jī)：
利用普通CCD攝像機(jī)可以感受紅外光的光譜特性，配合紅外燈作為照明源達(dá)到夜視成像的效果，通常在芯片表面加濾光涂層或在鏡頭中加濾光片濾掉人眼不可見的光以恢復(fù)原來色彩，具有夜視效果。近紅外線的繞射能力雖然可以穿透煙霧、墨漬、滌綸絲綢之類的材料，但是并不能穿透所有絲織物，所以紅外相機(jī)是做不到對(duì)人體的透視功能的~~~。
展開 自動(dòng)駕駛的視覺感知包括哪些內(nèi)容？
周視廣角相機(jī)：視場(chǎng)角相對(duì)較大，一般采用6顆100°左右的相機(jī)模組安裝在車輛周圍一圈，主要用來感知360°的周身環(huán)境（安裝方案與特斯拉大同小異）。廣角相機(jī)存在一定的畸變現(xiàn)象，如下圖所示：
3. 環(huán)視魚眼相機(jī)：環(huán)視魚眼相機(jī)視角較大，可以達(dá)到180°以上，對(duì)近距離的感知較好，通常用于APA，AVP等泊車場(chǎng)景，安裝于車輛左右后視鏡下方以及前后車牌下方等4個(gè)位置做圖像的拼接、車位檢測(cè)、可視化等功能。
相機(jī)標(biāo)定
相機(jī)標(biāo)定的好壞直接影響目標(biāo)測(cè)距的精度，主要包括內(nèi)參標(biāo)定和外參標(biāo)定。
內(nèi)參標(biāo)定用于做圖像的畸變校正，外參標(biāo)定用于統(tǒng)一多個(gè)傳感器的坐標(biāo)系，將各自的坐標(biāo)原點(diǎn)移動(dòng)到車輛后軸中心處。
最耳熟能詳?shù)臉?biāo)定方法就是張正友的棋盤格方法，在實(shí)驗(yàn)室里一般會(huì)做一個(gè)棋盤格板子標(biāo)定相機(jī)，如下圖：
1. 出廠標(biāo)定
但是自動(dòng)駕駛做前裝量產(chǎn)，由于批量生產(chǎn)的緣故，無法一輛輛使用標(biāo)定板做標(biāo)定，而是構(gòu)建一個(gè)場(chǎng)地用于車輛出廠時(shí)標(biāo)定，如下圖所示：
2. 在線標(biāo)定
另外考慮到車輛運(yùn)行一段時(shí)間或者在顛簸的過程中攝像頭位置的偏移，感知系統(tǒng)中也有在線標(biāo)定的模型，常利用消失點(diǎn)或車道線等檢測(cè)得到的信息實(shí)時(shí)更新俯仰角的變化。
展開 上汽五菱與大疆“聯(lián)合造車”，打造“人民的智能駕駛”
在前瞻性智能駕駛核心零部件集成構(gòu)型展示上，大疆車載通過半車模型展示了激光雷達(dá)與車頭大燈的集成方案、集成激光雷達(dá)與環(huán)視魚眼相機(jī)的電子后視鏡以及更高精度的雙目立體感知傳感器的實(shí)車部署效果。通過這些前瞻性零部件與傳統(tǒng)車身零部件的巧妙融合，重點(diǎn)展現(xiàn)了大疆車載的傳感器研發(fā)與集成能力，在不改變?cè)嚿硗庑蔚那闆r下，可輕松實(shí)現(xiàn)前裝靈活部署，為車輛帶來更優(yōu)異的感知能力。
對(duì)于大疆來說，一直默默研發(fā)布局，需要一個(gè)足夠有影響力的車企來證明一下自己的實(shí)力，而且大疆自研激光雷達(dá)，一定程度上可以降低車載傳感器的成本，可以為車企提供一個(gè)具有性價(jià)比的方案。只有通過足夠多的量產(chǎn)車數(shù)據(jù)才能讓算法更加完善。這一點(diǎn)，華為估計(jì)也是這么想的，在車展前通過在上海展示自動(dòng)駕駛技術(shù)，為極狐造勢(shì)，刺激銷量。
手握宏光和寶駿，五菱成為銷量冠軍
大疆第一個(gè)合作對(duì)象找到了銷量氣勢(shì)如虹的五菱。
自去年7月首次發(fā)布以來，五菱宏光MINI EV的銷量猶如坐上了火箭，迅猛躥升。甚至在今年年初，擊敗了氣勢(shì)洶洶的特斯拉，奪得單月銷量龍頭寶座。而就在4月，五菱官方又發(fā)布了宏光MINIEV CABRIO的新車官圖，即宏光MINIEV的敞篷版，并在上海車展亮相。
不得不承認(rèn)，柳州五菱在精準(zhǔn)地切中消費(fèi)者痛點(diǎn)上的功力，可稱為高段位選手。
展開 環(huán)視感知網(wǎng)絡(luò)的多任務(wù)和單任務(wù)之爭(zhēng)
通過兩篇魚眼感知的文章和小編個(gè)人想法帶著粉絲們進(jìn)行算法分析。
1 引言
感知模塊中往往不僅僅只有一個(gè)目標(biāo)檢測(cè)或者語(yǔ)義分割任務(wù)，如何通過魚眼圖像感知車輛周圍的環(huán)境，研究人員需要做目標(biāo)檢測(cè)識(shí)別障礙物的類型和位置；需要做深度估計(jì)計(jì)算障礙物的橫縱向距離；需要做語(yǔ)義分割劃分車輛可行駛區(qū)域；需要做污漬檢測(cè)監(jiān)控圖像質(zhì)量等等工作，所以多任務(wù)的視覺感知網(wǎng)絡(luò)成為一種不錯(cuò)的選擇，網(wǎng)絡(luò)可以共享編碼階段減少計(jì)算量，并在解碼階段多任務(wù)相互信息流通。從多任務(wù)的角度往往需要思考以下幾個(gè)問題？
2 環(huán)視多任務(wù)感知需要做哪些事？
根據(jù)《OmniDet: Surround View Cameras based Multi-task Visual Perception Network for Autonomous Driving》這篇文章提供的思路，環(huán)視感知系統(tǒng)包含深度估計(jì)、語(yǔ)義分割、運(yùn)動(dòng)分割、目標(biāo)檢測(cè)、污漬檢測(cè)、視覺里程計(jì)六大任務(wù)。
如何適應(yīng)不同相機(jī)的徑向失真？
考慮到多顆魚眼攝像頭具有不同的內(nèi)參和視角，讀者們可以考慮基于相機(jī)幾何的自適應(yīng)機(jī)制在訓(xùn)練和推理過程中編碼魚眼畸變模型，從而提升卷積神經(jīng)網(wǎng)絡(luò)對(duì)不同相機(jī)模型的適應(yīng)能力。通俗點(diǎn)說就是假設(shè)一個(gè)虛擬相機(jī)，其他各個(gè)相機(jī)模型都轉(zhuǎn)換到該虛擬相機(jī)后再輸出結(jié)果。
展開 近十年的VI-SLAM算法綜述與發(fā)展
圖1 SLAM經(jīng)典框架
近十年來，SLAM 及其相關(guān)技術(shù)的研究取得了快速進(jìn)展，研究的重點(diǎn)從開始的激光雷達(dá)到相機(jī)和IMU，與此同時(shí)芯片和MEMS器件的也取得快速發(fā)展，算力得到的極大提高，相機(jī)和IMU 等傳感器實(shí)現(xiàn)了高精度化、小型化和低成本化.這使得SLAM技術(shù)在移動(dòng)端能夠?qū)崟r(shí)的運(yùn)用。而視覺傳感器因其體積小、 成本低和易于進(jìn)行硬件設(shè)置而獲得了廣泛的關(guān)注，大量基于視覺傳感器的 SLAM 方法被提出，但純視覺 SLAM 方法存在無法在圖像紋理少的區(qū)域工作、快速運(yùn)動(dòng)時(shí)圖像模糊等問題；而IMU可測(cè)量角速度和加速度，其功能可以與相機(jī)進(jìn)行互補(bǔ)，并且在融合之后能夠得到更加完善的SLAM 系統(tǒng)。采用相機(jī)和 IMU 的 SLAM 方法被稱為視覺慣性 SLAM(visual-inertial SLAM,VI-SLAM)，只含有很小的漂移。本文主要介紹VI-SLAM，對(duì)激光和純視覺SLAM不重點(diǎn)介紹。目前VI-SLAM數(shù)據(jù)融合的的方法分為兩類：緊耦合和松耦合，具體見圖2，其中，緊耦合是指把 IMU 的狀態(tài)與相機(jī)的狀態(tài)合并在一起進(jìn)行位姿估計(jì)。松耦合是指相機(jī)和 IMU 分別進(jìn)行自身的位姿估計(jì)，然后對(duì)它們的估計(jì)結(jié)果進(jìn)行融合。
圖2 緊耦合和松耦合的示意圖
而VI-SLAM根據(jù)后端優(yōu)化方法的不同，分為基于濾波和基于優(yōu)化 2 類方法，在濾波方法中,傳統(tǒng)的 EKF(擴(kuò)展卡爾曼濾波器) 、UKF(無跡卡爾曼濾波器)、改進(jìn)的 MSCKF(多狀態(tài)約束卡爾曼濾波器) 和OpenVins都取得了一定的成果。現(xiàn)階段基于優(yōu)化的方法則慢慢占據(jù)了主流。
2. 基于優(yōu)化的方案
基于優(yōu)化的方法主要依靠圖像處理技術(shù)進(jìn)行特征提取和圖像匹配，而 IMU 數(shù)據(jù)則被視為先驗(yàn)項(xiàng)或者正則化項(xiàng)。
展開 
