Vins-Mono+Fusion 学习笔记(四）IMU

前面我们已经大招讲解了前端一部分的内容，接下里的内容是先讲解一些IMU相关的知识。回归之前的内容可以点击以下链接：

Vins-Mono+Fusion 学习笔记(三）去畸变_每日亿学的博客-CSDN博客本章内容主要讲解VINS中一种高效的去畸变的方法。https://blog.csdn.net/HHB791829200/article/details/128671056?spm=1001.2014.3001.5501

一、IMU简介

        首先，Vins-Mono中是视觉加惯导的紧耦合的开源SLAM框架，IMU就是惯性测量单元。一般有以下特性：

1、输出6轴：角速度、加速度，频率在100HZ以上

2、受温度、零偏、振动等干扰，积分得到的平移和方向容易收到漂移。

3、提供高速度的位姿估计

         这里笔者就不专门去介绍IMU的一些基本特性，如果有兴趣的同学可以去看惯导原理这本书。

二、预备知识

        在相机坐标下，我们通常是使用SE3或者SO3的方式来表示相机的旋转和平移，当然在做一些可视化的操作下还会使用欧拉角表示。但是IMU通常都是使用四元数来表示旋转因为没有奇异性，一个是推导方便一个是惯例。

        和旋转矩阵一样，我们先讨论一下四元数的导数，为了方便我直接截图了我的个人笔记：

 这是比较直观的，当然VINS的作者论文中也有指出：

        连续时间下的IMU运动模型：

         通过以上的导数关系，从i时刻到PVQ(位置、速度和四元数）对IMU的测量进行积分得到第j时刻的PVQ。

 我们通过传感器获取的测量值不是连续的，在现实当中时离散的形式。这样上面的积分的形式有主要两种方法写成离散：

1、欧拉法：用第k时刻计算a和w

2、中值法：k和k+1时刻计算a和w

为什么要这样？积分的定义法就是无穷的逼近计算一个长方形面积，这里相对于选取长方形的顶点是取当前x值

1、欧拉法

2、中值法