视觉−惯性导航融合SLAM方案
VIO和之前的几种SLAM最大的不同在于两点： 首先，VIO在硬件上需要传感器的融合，包括相机和六轴陀螺仪， 相机产生图片， 六轴陀螺仪产生加速度和角速度。 相机相对准但相对慢，六轴陀螺仪的原始加速度如果拿来直接积分会在很短的时间飘走（zero-drift）， 但六轴陀螺仪的频率很高，在手机上都有200Hz。 其次，VIO实现的是一种比较复杂而有效的卡尔曼滤波，比如MSCKF（Multi-State-Constraint-Kalman-Filter）， 侧重的是快速的姿态跟踪，而不花精力来维护全局地图， 也不做keyframe based SLAM里面的针对地图的全局优化（bundle adjustment）。 最著名的商业化实现就是Google的Project Tango和已经被苹果收购的Flyby Media， 其中第二代Project Tango搭载了Nividia TK1并有主动光源的深度摄像头的平板电脑， 这款硬件可谓每个做算法的小伙伴的梦幻搭档，具体在这里不多阐述。 主要问题： 使用 IMU 对相机在快门动作期间内估计相机的运动 , 但是由于 CMOS 相机的快门时间戳和 IMU 的时间戳的同步比较困难 , 且相机的时间戳不太准确 , Guo 等 [52] 对时间戳不精确的卷帘快 门相机设计了一种 VIO (Visual inertial odometry)系统 ,