VINS-MONO概述

VINS-Mono是HKUST的Shen Shaojie团队开源的一套Visual-Inertial融合定位算法，https://github.com/HKUST-Aerial-Robotics/VINS-Mono，是用紧耦合方法实现的，通过单目+IMU恢复出尺度，效果很好，接下来对会该算法框架逐步解析，以便二次开发。

那么为什么要进行视觉与IMU的融合呢，自己总结的主要有以下几点：

• 视觉与IMU的融合可以借助IMU较高的采样频率，进而提高系统的输出频率。
• 视觉与IMU的融合可以提高视觉的鲁棒性，如视觉SLAM因为某些运动或场景出现的错误结果。
• 视觉与IMU的融合可以有效的消除IMU的积分漂移。
• 视觉与IMU的融合能够校正IMU的Bias。
• 单目与IMU的融合可以有效解决单目尺度不可观测的问题。

总体布局

该算法主要有以下几个模块：
1.预处理
图像特征光流跟踪
IMU数据预积分
2.初始化
纯视觉Sfm
Sfm与IMU积分的松耦合
3.基于滑动窗口的非线性优化实现紧耦合
4.回环检测与重定位
5.四自由度位姿图优化

原论文：

• 系统从测量预处理(IV)开始，在其中提取和跟踪特征，对两个连续帧间的IMU测量值进行预积分。
• 初始化过程(V)提供了所有必要的值，