imu 里程计融合_MSCKF那些事（十一）算法改进4：融合直接观测

在实际应用过程中往往不只有视觉和IMU的融合，还有其他很多传感器（GPS、激光、里程计等），这些传感器数据和VIO进行融合能够极大提高VIO的精度和稳定性。融合的方式分为松耦合和紧耦合，常见的做法是将VIO看成一个独立的传感器与其他传感器进行松耦合，但有时为了提高VIO本身的精度也可以将部分传感器信息加入到VIO融合框架中。

状态向量中某些量可能会被其他传感器直接观测到，例如GPS可以给出

中的位置观测或速度观测，平面移动机器人有三个维度可以固定

，在MSCKF中可以对直接观测构建观测模型进行EKF更新。直接观测有两类：

• 一类是传感器直接测量到的观测：比如GPS位置、GPS速度、轮式里程计
• 一类是基于先验信息给出的观测：比如平面机器人可以假设
  ，此外还有零速检测（Zero-velocity UPdaTe，ZUPT），当检测到IMU处于静止状态时，可以认为速度为0，陀螺仪观测的均值作为陀螺仪的bias。

直接观测融合十分简单，构建观测模型

，然后套用EKF更新公式即可。

矩阵在观测状态的对应位置