IMU预积分

IMU预积分主要干了2件事：主要出现在vins_estimator/src/factor/integration_base.h中。

1).IMU预积分获得α、β、γ值

2).误差传递函数的获取。

一.连续形式

IMU获取的是线加速度和角速度，通过对IMU测量量的积分操作，能够获得机器人的位姿信息。IMU测量值包括加速度计得到的线加速度和陀螺仪得到的角速度。

式子一左侧上标^为IMU线加速度测量值，右侧没有上标^代表的是线加速度真实值，ba为加速度偏置，测得的线加速度是重力加速度和物体加速度的合矢量，na为高斯噪声。

式子二左侧为陀螺仪角度测量值，右侧为角度真实值，bw为角度偏置，nw为高斯噪声。

 加速度计偏置和陀螺仪偏置被定义为为随机游走并随着时间变化的，它的导数满足高斯分布。

对于图像帧k和k+1，体坐标系对应为bk和bk+1，位置、速度和方向状态值PVQ可以根据[tk,tk+1]时间间隔内的IMU测量值，在世界坐标系下进行传递的。

注：其中线加速度要转化成世界坐标系下才能进行积分

其中四元数叉乘形式如下：

 可得

可以看出，IMU的状态传播需要帧bk的旋转、位置和速度，当这些初始状态发生变化时，需要重新计算。特别是在基于优化的算法中，每次我们调整姿态时，都需要在它们之间重新传播IMU测量值。为了避免重复传播，我们采用了预积分算法。
将参照系由世界参照系改为局部参照系bk后，我们只能对线加速度 a^和角速度 ω^相关部分预积分如下：

其中： 

以上都是连续时间的预积分，对于离散时间实现，可以采用欧拉积分、中点积分、RK4积分等不同的数值积分方法。为了便于理解，这里选择欧拉积分来演示这个过程(我们在实现代码中使用中点积分)。

4.2 误差传递矩阵--主要有2个目的

第一个是在求α、β、γ的值的时候给不同bias提供相应的Jacobian；

第二个目的是给后端优化部分中IMU部分提供信息矩阵。

实际上讲，IMU在每一个时刻的测量都是有误差的，而且这个误差是满足高斯分布的。在IMU预积分的递推过程中，由于下一时刻的值是由上一时刻的值再加上当前的测量值获得的，所以每一时刻的PVQ的计算值所对应的方差也是在不断累积。因此，求出对应的误差传递函数十分重要。
所以，根据误差传递函数的定义，我们可以建立一个下面这个形式的误差传递线性模型，它描述了下一时刻和当前时刻误差的关系：

 d(zk+1)和d(zk)分别是下一时刻的误差和上一时刻的误差，上面这个等式对应的向量/矩阵表达式如下式所示：

 Jacobian的迭代公式为：

 这个J有了之后，带入4.1.1最后那个公式中去，就能得到真正的α、β、γ。注意的是，VINS里面出现过多次J的计算，一个是在这，另三个是在后端优化里出现，注意不要混淆。

协方差迭代公式为： 

这个协方差矩阵，可以用于计算后端优化中IMU部分的信息矩阵。

噪声项的对角协方差矩阵Q为：