Chapter 2: Consistent EKF-based Visual-Inertial Odometry
本章比較了MSCKF和EKF-SLAM算法,MSCKF展示了更好的性能。本章系統的說明了EKF-based VIO的觀測性和一致性。
2.1 基於EKF的VIO
IMU狀態變量定義(16*1):
在預測和更新時的處理對象爲誤差狀態向量,並非上面的實際狀態向量,主要是由於:
- 四元數是4維,實際旋轉只有三個自由度,有額外約束
- 誤差的運動很慢,而真實狀態如p可能會很快的增長
- 誤差的值很小,可忽略二階導
誤差狀態向量定義爲(15*1):
所有的狀態還包括特徵f
誤差狀態轉移方程:
參考文獻:
卡方分佈:https://www.cnblogs.com/think-and-do/p/6509239.html
https://www.statisticshowto.datasciencecentral.com/probability-and-statistics/chi-square/
一致性評價標準NEES:http://www.doc88.com/p-1445308712152.html
https://blog.csdn.net/weixin_34315485/article/details/91792768
左零空間:https://blog.csdn.net/sunbobosun56801/article/details/82845835