1 背景
很奇妙，從一個羣裏看到一個人的朋友圈，搞定了【VSLAM(VINS)+EKF+MPC=停車場無限循環】，挺感興趣的，在這裏簡單分析一下。
視頻截圖：
2 分析
2.1 VSLAM
根據經驗，電腦屏幕上顯示的是rviz，VSLAM具體是VINS，但不確定是VINS-mono，還是VINS-fusion，也不確定是單目+IMU，還是雙目+IMU。
問題：
- VINS是用的在線的定位模式還是加載地圖的重定位模式？
猜測：
- 根據視頻展示，車輛在地下停車場自動駕駛，其實是循跡，也就是先建圖，並記錄軌跡，之後加載地圖進行重定位，再使用EKF融合其他傳感器，得到最終的pose，最後再使用MPC循跡
- 當然也不能排除就是在線的定位模式的可能性
2.2 EKF
EKF是擴展卡爾曼濾波，SLAM可分爲基於濾波的方法和基於優化的方法，但是已經有了基於優化方法的VINS，那麼這裏的EKF很可能用來做多傳感器融合，比如robot_pose_ekf和robot_localization都是用的EKF做多傳感器融合，可以融合Odometry，IMU，VO和GPS等進行定位。
2.3 MPC
MPC(Model Predict Control)是一種反饋控制（feedback control）算法，使用模型來預測過程的未來輸出。
MPC的特點：
- 支持MIMO系統，便於構建輸入輸出間的相互影響參數
- 支持方便添加約束條件
- 具有預測能力
- 需要較好的處理器和較大的內存，因爲需要大量的在線優化，存儲大量的變量
相關參考資料：
- https://blog.csdn.net/zhkmxx930xperia/article/details/87742479
2.4 VSLAM(VINS)+EKF+MPC
從視頻效果來看，能夠實現在停車場環境的無限循環自動駕駛。
從軌跡來看，也是有誤差的，每次的行駛軌跡有差異，尤其是右上角部分，軌跡明顯不重合。（軌跡不重合也可能是爲了避障）
從這個角度看，VINS又可能是使用的加載地圖的重定位模式，不然怎麼消除的累計誤差？
3 擴展
Autoware的waypoint_follower中使用的軌跡跟蹤算法爲Pure Pursuit。
參考資料：