一抹烟霞的博客

详细代码注释：https://gitee.com/qcl5683/R3LIVE-CommentV

文章目录连续时间的运动模型离散时间的IMU模型ESIKF（迭代误差状态卡尔曼滤波器）假设的先验分布激光：点到面的距离残差视觉：重投影残差⊞\boxplus⊞和⊟\boxminus⊟: 流型上的加减法连续时间的运动模型ama_mam​和ωm\omega_mωm​是IMU的加速度和角速度的原始测量值bab_aba​和bgb_gbg​是加速度和角速度的biasna=nban_a = n_{ba}na​=nba​和ng=nbgn_g = n_{bg}ng​=nbg​ 是随机游走的高斯白噪声离

假定外参qcbq_{c b}qcb​是不变的，对于每两帧图像间的位姿变换qckck+1q_{c_k c_{k+1}}qck​ck+1​​和对应IMU的qbkbk+1q_{b_{k} b_{k+1}}qbk​bk+1​​有如下关系：qcb⊗qbkbk+1=qckck+1⊗qcb转换为矩阵形式[qbk,bk+1]R∗qcb=[qck,ck+1]L∗qcb([qbk,bk+1]R−[qck,ck+1]L)∗qcb=0q_{c b} \otimes q_{b_{k} b_{k+1}} =q_{c_k c_{k+

文章目录一、从高斯分布到信息矩阵1.1 SLAM 问题概率建模1.2 SLAM 问题求解1.3 高斯分布和协方差矩阵1.4 样例1.4.1 样例11.4.2 样例2二、舒尔补应用：边际概率, 条件概率2.1 舒尔补的概念2.2 舒尔补的来由2.3 使用舒尔补分解的好处2.4 舒尔补应用于多元高斯分布2.5 关于 P(a), P(b|a) 的协方差矩阵2.6 关于 P(a), P(b|a) 的信息矩阵2.7 回顾样例2.8 总结三、滑动窗口算法3.1 最小二乘用图表示3.2 最小二乘问题信息矩阵的构成3.3

文章目录一、系统需要优化的状态量二、视觉重投影误差三、预积分模型3.1 IMU 测量值的积分问题3.2 IMU预积分模型的提出3.3 IMU 的预积分误差3.4 预积分的离散形式3.5 预积分量的方差四、状态误差线性递推公式的推导4.1 简介4.2 基于一阶泰勒展开的误差递推方程4.3 基于误差随时间变化的递推方程4.3 预积分的误差递推公式推导IMU与VO的融合问题可以看作是对状态量的最小二乘估计，因此核心问题就转换为了VIO 残差函数的构建。一、系统需要优化的状态量二、视觉重投影误差三、预