木独的博客

深度滤波器推导测量不确定性图像IrI_rIr​与IkI_kIk​对应的相机中心分别为Cr,CkC_r,C_kCr​,Ck​。二者的转换关系为Tk,rT_{k,r}Tk,r​,并且平移距离为ttt, 估计场景中的3d点为rPrPrP.假设匹配误差为一个像素，得到的误差距离为τk2=(∥rP∥−∥rP+∥)2\tau_k^2=(\|rP\|-\|rP^{+}\|)^2τk2​=(∥rP∥−∥rP+∥)2。因此有：a=rP−ta = rP - t a=rP−t角度α=arccos⁡(f⋅t∥t∥

cartographer 代码分析相关注释代码链接为：cartographer代码注释代码主要分为两个部分，其一为cartographer的核心实现，另一个为cartographer的ros封装壳。首先介绍其ros封装，可以看到大概的调用流程，然后再深入源码去剖析其实现过程。但是其代码可以说十分的繁琐且复杂，在只能大致理清楚其逻辑。Cartographer-ROS根据运行的命令 roslaunch cartographer_ros offline_backpack_2d.launch bag_fi

个人注释版本的代码链接如下https://github.com/linyicheng1/OpenSLAM-Notes/tree/main/VINS-Mono-master算法分为三个部分，分别在3个独立的ros工程中，分别为 feature_tracker vins_estimator pose_graph运行算法的launch文件，如euroc.launch中则运行该三个节点，并获取配置文件 config/euroc_config.yaml 路径，传递给各程序四个模块之间的数据交互（加上可视化数据