中心思想:不管白猫黑猫,抓到老鼠就是好猫!
卡尔慢滤波(线性/非线性):一般用于低算力平台,输出实时结果,公式比较简单,一般找到模型就好办,比较考验调PQR的工程经验和功力;
因子图:好处当然是精度提高了,多迭代几次肯定比迭代一次靠谱,这样抑制误差的时间又可以变得更长了。又有历史数据作为决策,其实卡尔慢滤波也是从历史数据迭代出来的(但不保存历史数据),输出的协方差也可以作为判据使用,所以我觉得这两种就是卡尔慢滤波就平台而言比较通用,因子图是卡尔慢滤波的进化版本。因子图考验的东西就更多了,第一,模型功力要求高,有依赖库,移植麻烦;第二,协方差可以不用调,但要想办法(找大佬的推导公式)找个基准,第三,一般因子图都放在后端低频率使用,因此占用的内存和算力比较高。
【泡泡图灵智库】HybVIO: 突破实时视觉惯性里程计的极限
TODO:
看下数学的拓扑点集