VIO主流框架

本节主要说明当前主流的VIO算法流程。课程来源于B站。

高斯牛顿法

误差项:
$$
e(x+\Delta x)=e(x)+J(x)\Delta x
$$

1. 一次观测
2. 多次观测
3. 逆深度 + VIO

EKF滤波和优化

1. EKF铝箔相当于之迭代一次的优化，区别是滤波仅考虑上一帧的影响，而优化则考虑所有帧的影响
2. 多次优化精度比滤波高，但效率低于滤波，因优化可以迭代多次，不断优化线性化点，是误差最小

IMU预积分

1. 积分下一个时刻的PVQ作为视觉初始值
2. 预计分相邻帧的PVQ变化量，作为IMU的约束
3. 计算IMU误差的协方差和jacobian

VIO分类

1. 将视觉约束就加到联合优化是紧耦合

2. 将视觉约束后的位姿加入到联合优化是松耦合

MSCKF

具体流程如下所示:

1. 初始化
2. IMU预测
3. 视觉跟踪