本文主要是介绍VINS-Mono 论文解读（IMU预积分残差+Marg边缘化），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目录
VIO引出原因：
融合方案：
本文贡献：
0、总体框架
0.1 数据预处理（IMU预积分见标题1）
0.2 初始化
A.滑动窗口(Sliding Window)纯视觉SfM
B. 视觉惯性校准（IMU预积分与视觉结构对齐）
0.3 紧耦合后端非线性优化（IMU约束+视觉约束+闭环约束）
A 公式
B IMU残差
C 视觉残差
D 边缘化 Marginalization（详见标题2）
E 相机速率下的状态估计--只有运动的VIO
0.4 重定位
A、回环检测（只对关键帧）
B、回环候选帧之间的特征匹配
C、紧耦合重定位
0.5 全局位姿图优化
A、位姿图中添加关键帧
B、4自由度位姿图优化
C、位姿图管理
1、IMU预积分
1.1、IMU模型
1.2、连续时间IMU运动模型，积分 PVQ（两帧之间）
1.3、运动模型的离散积分（前后IMU）
1.4、 IMU预积分
1.5、预积分量
1.6、预积分误差
这篇关于VINS-Mono 论文解读（IMU预积分残差+Marg边缘化）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
