第一讲概述与课程介绍

1、课程专注于视觉——IMU容和定位的基础理论和实现

2、重点内容有：

　　IMU的工作原理和噪声方程

　　视觉与IMU的紧耦合的基础理论

　　从零开始实现VIO紧耦合优化器（仅基于Eigen)

3、课程安排：公式推导为主，代码为辅

4、VIO概述

　　VIO（Visual-inertial Odometry）：以视觉与IMU融合实现里程计

　　IMU（Inertial Measurement Unit, 惯性测量单元）：典型六轴IMU以较高频率（>=100Hz）返回被测量物体的角速度和加速度（由一个陀螺仪和一个加速度计组成），受自身温度、零偏、振动等因素干扰，积分得到的平移和旋转容易漂移

　　视觉Visual Odometry：以图像形式记录数据，频率较低（15-60Hz），通过图像特征点或像素推断相机运动

　　总体上，IMU适合计算短时间、快速的运动； 视觉适合计算长时间、慢速的运动。同时，可利用视觉定位信息来估计IMU的零偏，减少IMU由零偏导致的发散和累计误差；繁殖，IMU可以为视觉提供快速运动时的定位。

　　自动驾驶中常使用IMU+GPS/RTK，AR/VR常使用IMU+视觉

　　分为松耦合、紧耦合。

 

 

 

 　　问题:

　　　　IMU的测量数据表达了系统的什么状态，受哪些噪声影响？

　　　　如何建立一个带有IMU测量信息和视觉特征点信息的非线性优化问题，并进行求解？

　　　　该问题随着时间将发生怎样的演变?

3.预备知识回顾

　　符号、坐标系、旋转（四元数）、四元数求导（李代数求导，左乘右乘）