MSCKF學習

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
  $\textbf{X} = [\hat{\textbf{x}}_E\quad ...\quad f_i\quad...].$
  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