wuRDmemory

文章目录ReferenceNotationIMU状态传递方程MSCKF2.0的传递方程MSCKF1.0的传递方程OC-KF的系统状态传递方程第一组第三组第二组小结相邻时刻的状态转移矩阵t1 时刻的状态转移矩阵t2 时刻的状态转移矩阵t1 到 t2 时刻的状态转移矩阵视觉部分的观测方程理想情况下能观性的分析在 t 时刻，系统零空间是如何的相邻时刻间系统的零空间是如何传播的t 时刻传播过来的零空间是否是观测矩阵的零空间小结OC-KF对于零空间的处理OC-KF想做什么？修改状态转移矩阵Φ^(t,t−1)\hat{

文章目录写在前面ReferenceNotationIMU误差状态传播公式的回顾 IMU误差状态传播公式的再推导旋转部分的推导速度部分的推导位移部分的推导状态传递的传递方程MSCKF的观测模型能观性分析理想情况下的能观性矩阵小结实际情况下的能观性矩阵状态转移矩阵观测矩阵能观矩阵的构建First-Estimate-Jacobian关于零空间的一些理解总结 写在前面讲实话，笔者之前就听说过很多关于SLAM系统的能观性、或者说一致性的分析，最开始的切入点当然是大名鼎鼎的First-Es.

ReferenceA Multi-State Constraint Kalman Filter for Vision-aided Inertial Navigation. MSCKF1.0的论文；Quaternion Kinematics for Error-State KF. 关于四元数以及ESKF的论文；Robust Stereo Visual Inertial Odometry for Fast Autonomous Flight. S-MSCKF对应的论文；https://github.c

文章目录ReferenceEKF的状态变量构建坐标系的表示问题位姿表示方式IMU状态变量的表示方式带相机位姿的状态变量表示方式MSCKF位姿估计——估计的变量是什么？MSCKF位姿估计——状态变量的估计IMU姿态的传导（Propagation）IMU的运动方程IMU状态积分Camera姿态的传导MSCKF位姿估计——预测阶段（predict）IMU误差状态的微分方程IMU误差状态传递过程的推导IMU误差状态的预测部分Camera误差状态的预测部分k+1帧之前的Camera自身的协方差更新k+1帧之前的IMU