来啦！滤波SLAM之MSCKF原理解析与源码详解

以下内容来自从零开始机器人SLAM知识星球 每日更新内容

点击领取学习资料 → 机器人SLAM学习资料大礼包

MSCKF全称Multi-State Constraint Kalman Filter（多状态约束卡尔曼滤波器），是一种基于滤波的VIO算法，2007年由Mourikis在《A Multi-State Constraint Kalman Filter for Vision-aided Inertial Navigation》中首次提出。MSCKF在EKF框架下融合IMU和视觉信息，相较于单纯的VO算法，MSCKF能够适应更剧烈的运动、一定时间的纹理缺失等，具有更高的鲁棒性；相较于基于优化的VIO算法，MSCKF精度相当，速度更快，适合在计算资源有限的嵌入式平台运行。在机器人、无人机、AR/VR领域，MSCKF都有较为广泛的运用，如Google Project Tango就用了MSCKF进行位姿估计。

宾夕法尼亚大学开源的双目MSCKF版本是比较公认的优秀滤波开源框架，效果如下：

以上内容来自从零开始机器人SLAM知识星球 每日更新内容