这一节还在整理，下面是已收录的内容。
本节目录
- Lucas-Kanade光流法 — 基于亮度恒定假设和运动类似假设，我们可以认为在一个极小的运动过程中，图片中特征点的亮度将维持恒定，且图片中的而所有特征点…
- Shi-Tomasi 角点检测 — 光流法需要若干稳定可解析的角点才能得到正确的光流结果，需要选取的特征点满足在x和y方向上均非奇异。用人话来讲就是，如果我…
- 三角化 — 三角化前端中最重要的提供深度信息的步骤。分为线性三角化和非线性三角化，前者足够信任观测，直接用SVD求解目标位置，后者视…
- 中值离散化 — 在IMU的预积分阶段，我们需要根据加计和陀螺仪得到的数据去累加得到该区间的旋转信息和位移信息。但是事实上，我们观测到的数…
- 金字塔光流法 — 前置知识：之前提到的LK光流法有一个核心假设，就是画面中的特征点只进行极小位移，且同一窗口内的点的运动状态一致。对于很多…
- IMU预积分 — 在VIO中，最重要的一件事就是确保视觉信息可以和IMU信息对齐，但是IMU的高频率（1000Hz以上）和视觉的频率（10…