【无标题】

	单目视觉VIO无法估计尺度，而单目视觉惯性系统（VINS）可以估计尺度、俯仰角、侧倾角，并且可以在光照条件不佳、产生运动模糊的时候在视觉跟踪之间提升运动跟踪效果。
	vins也存在一些难点，首先是严格的初始化程序，vins系统需要以特定的角度开机，并且一开始要小心缓慢地移动，否则无法融合视觉和惯性信息，并且vins系统是高度非线性的，因此限制了vins系统的使用场景。
	vins mono系统存在以下优点：稳定的初始化过程、基于紧耦合和优化的IMU外参和零偏估计、在线重定位和四自由度全局位姿优化、位子图重用。
	视觉惯性系统可以分为松耦合和紧耦合视觉惯性系统。松耦合视觉惯性系统中IMU数据是独立的模块，用于辅助视觉信息，例如在EKF中，IMU积分位姿用于提供先验初值，视觉里程计由于更新后验。紧耦合视觉惯性系统使用IMU数据和视觉里程计的数据共同优化位姿。
	在数据预处理模块中，在上一帧已经存在的特征点会使用LK光流法计算出在当前帧中的位置，并且额外提取一部分的特征点，使得特征点数量满足一定要求，然后进行特征点均匀化，使用对极几何RANSAC算法排除外点。
	关键帧的选定策略存在两个标准，分别是视差和跟踪质量，如果视差大于阈值并且跟踪的内点大于阈值，则当前帧会被选定为关键帧。