简单理解VIO(四)--滑动窗口理论

• What: 滑动窗口是一种选取优化变量范围的策略，常见的范围选择策略有：全局优化、滑动窗口优化、单帧优化。
• Why: 在时序优化问题当中，最近发生的若干帧数据与当前帧相关性最大，将这些帧拿出来优化，获得的单位计算量变量准确性提升最明显。
• How: 利用矩阵的相关性质，解决去掉一些状态量之后，其他状态量的信息矩阵重新组织的问题，做到不丢信息、计算量不猛增。

一、从高斯分布到信息矩阵

1. 有两条推导路径到二次型

• 优化的思路： 一般问题的梯度下降法—> 二次型问题的高斯牛顿方法
• 概率的思路：贝叶斯法则—>高斯分布—>二次型

2. 协方差的计算与更新

常见的协方差计算方式：

• 根据定义直接计算：方差是衡量样本偏离均值的程度。
• 根据函数之间的关系推导：如果x的方差是${\sigma }_x^2$, $y=cx$, 那么y的方差是${\sigma }_y^2=c^2{\sigma }_x^2$

3. 信息矩阵的计算与更新

信息矩阵的计算方式：

• 根据定义，信息矩阵是协方差矩阵的逆
• 信息矩阵具有累加性质，可以把不同时间的信息相加，这是通过正态分布的性质得来的。
• 通过舒尔补，获得一个新的信息矩阵

判断信息矩阵对不对的标准就是: 信息矩阵与协方差矩阵的乘积，需要等于单位矩阵。
参考1中的如下例子：

总结

1. 信息矩阵更新方式一：通过协方差，利用矩阵求逆的方式.
2. 信息矩阵更新方式二：通过舒尔分解，直接在信息矩阵上进行操作。