VIO算法总结（一）

所谓VIO（visual inertial odometry）就是视觉传感器（camera）+IMU（inertial measurement unit）一起来做自主定位。目前主要应用手机AR，无人车高精地图，无人机等领域。这个技术目前做的怎么样呢？理论很成熟，但是纯靠vio去解决定位的应用并不多。手机AR算是一个比较成功单靠vio做的比较好应用，automated driving， UAV 和mobile robot 基本没有全靠vio来做的。

我把VIO分成前端和后端两个部分。顺便总结一下知识点。

一：视觉和IMU前端数据处理

对于视觉前端做法基本分为三种：

①特征点提取（feature detection）+根据描述子匹配特征点

主流的算法如orbslam， okvis都这采取的这个算法，优点是因为有描述子，因此对地图的维护很方便（包括重定位，闭环，全局优化）。这点很重要，尤其是对室内环境，当视觉上共视关系较多的时候，这种方法能很大提高定位精度和局部的稳定性。比如手机AR，室内移动机器人建议使用这种方法。缺点是每帧图像都要提取特征点数量的描述子，有些浪费时间（其实提取描述子时间没有大多数人想象的那么多时间，1000特征点，在3000元的手机上提取brief描述子的话，大概在10ms左右。）还有个缺点是在tracking过程中，如果出现运动过快（图像出现模糊）比较容