1.概述

PL_VINS是一个基于点线识别的实时的单目惯性里程计。

在VINS_MONO的基础上，加入了线特征，提升了性能。

2.系统构成

a.计算预处理

PL_VINS的初始线程，提取相机和IMU的raw information,并进行对齐。

图像：对每一帧图像中的点、线特征进行识别并跟踪。使用Shi-Tomasi检测点特征，KLT跟踪，基于RANSAC的对极几何进行优化。

线：优化LSD提取线特征，LBD算法跟踪提取描述子，KnnMatch匹配。

IMU：陀螺仪和加速度计的数据处理方法与VINS_MONO相同，对两连续帧进行预积分。

初始化：获得初始几帧的相机位姿，点线landmarks，并将每一帧的数据与IMU预积分的数据（速度，重力向量，陀螺仪偏置）对齐。

b.局部视觉惯性里程计

在初始化结束后，激活紧耦合的基于优化的局部视觉惯性里程计线程，用来高精度预测6-DOF的相机位姿（最小化测量残差）

step1：对新老帧之间对应的点、线特征，通过三角测量获得三维点、线路标点坐标。通过逆深度和普吕克坐标（Plcker coordinate）参数化。

step2：使用恒定大小的滑动窗口，通过最小化多残差方程，获得最优的位姿，速度，路标点，加速度和陀螺仪偏置。

step3：每加入新的一帧，边缘化最老的一帧以维持滑动窗口的大小

##关键帧提取方法：当前帧和上一关键帧视差过大，查过一定量；或者跟踪到的特征少于一个特定值。

c. 回环检测

当当前帧被选为关键帧时，激活回环检测线程，搜索并确定存在的回环（也可用于重定位）。

3. 细节处理

a. 寻找线特征 （基于OPENCV封装的LSD,由于运算量大，无法实现实时检测）

优化：隐藏参数的更改（图像金字塔的尺度和层数；外接矩形内最小点密度的阈值）

           长度筛选（将一些长度较短，小于阈值的线段筛除掉）