FAST-LIO 雅可比推导方法二

此结果与方法一不同,方法一结果与论文一致

论文结果:

方法二中:

红框 = w^{b}-\hat{b_{g}}-\delta b_{g}-n_{g}-(w^{b}-\hat{b}_{g})-(w^{b}-\hat{b}_{g})\times \delta \theta

        =-(w^{b}-\hat{b}_{g})\times \delta \theta-\delta b_{g}-n_{g}

        =-(w^{b}-(b_{g}-\delta b_{g}))\times \delta \theta-\delta b_{g}-n_{g}

        =-(w^{b}-\hat{b}_{g})\times \delta \theta-\delta b_{g}\times \delta \theta -\delta b_{g}-n_{g}

其中,-\delta b_{g}\times \delta \theta 二阶小量被忽略了

但就算不忽略,也没能推导出 -A(\hat{\omega }_{i}\Delta t)^{T} \delta b_{g} ,此处疑问等总结完imu融合推导再看吧

原文地址

FAST-LIO 雅可比推导方法一

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值